Geri Dön

Computer network intrusion detection using cascade back propagation neural network

Başlık çevirisi mevcut değil.

  1. Tez No: 746270
  2. Yazar: SARAH ALFITOURI MOHAMED ELGETAIT
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ATA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

İnternet ağı üzerinden güvenlik talep edilmekte, kişisel veriler korunmakta ve kullanıcıların erişimleri düzenlenerek gizlilik seviyesinin korunması sağlanmaktadır. İnternet herkese, hatta kötü niyetli faaliyetlere sahip kullanıcılara bile erişim sağlayan bir genel ağ olduğundan bu görev daha karmaşıktır, bu nedenle bir saldırgan, bir kullanıcının kimlik bilgilerini çalarak tanınmadan sunucuya erişmelerine izin verebilir. Bilgisayar ve internet ağındaki geniş genişleme, kötü niyetli bir etkinliği hacklemenin daha olası olduğu ağlara izinsiz giriş olasılığını artırır. İnternet, veri alışverişi yapmak için gereken tüm tarafların bir sunucu veya bulut aracılığıyla internet üzerinden paylaşması gereken genel ağ olarak kabul edilir. Verilerin sunucularda veya bulutlarda mevcut olması; Güvenliği, bulutun, sunucunun vb. gücüyle sınırlıdır. Saldırıların gerçekleşmesini engelleyen güvenlik duvarları, ancak yazılım teknolojisinin ilerlemesi, mevcut güvenlik duvarlarını bunalmış saldırı etkinlikleriyle karşı karşıya kalacak şekilde zayıflattı. Saldırı tahmini, derin öğrenme paradigmaları kullanılarak yapılır: Kademeli İleri Beslemeli Geri Yayılım (CFFBP), İleri Beslemeli Geri Yayılım (FFBP) ve Katman Öğrenen Sinir Ağı (LLNN). ADFA-LD adlı veri kümesini kullanma. Bu çalışmada, derin öğrenme teknolojisini kullanan bir otomatik saldırı tahmini yaklaşımı önerdik. Önerilen modeller, altı tür inkarı tespit etmek için eğitilmiştir.hizmet saldırılarının sayısı ve elde edilen en iyi saldırı tahmini doğruluğu yüzde 82.7586207'ye karşılık geliyor.

Özet (Çeviri)

Security over the internet network is demanded, protecting the personal data and governing the users access so that privacy level is maintained. This task is more complicated since the internet is a public network that gives access to everyone, even to those users with malicious activities hence an attacker may steal a users' credentials, allowing them to access the server without being recognized. Wide expansion on computer and internet network increases the chances of network intrusion where hacking a malicious activity are more likely to exists. Internet is considered as public network where all the parties required to exchange the data need to share it over the internet through a server or cloud. The data being available in servers or clouds; its safety is limited to the strength of cloud, server, etc. Firewalls which prevent attacks to happen, but the advancement of software technology made the available firewalls weaken to face overwhelmed attacks activities. Prediction of attack is made using deep learning paradigms namely: Cascade Feed Forward Back Propagation (CFFBP), Feed Forward Back Propagation (FFBP) and Layer Learning Neural Network (LLNN). Using the dataset named ADFA-LD. In this study we proposed an automatic attack prediction approach using deep learning technology. The proposed models are trained to detect six types of denial of service attacks and the best achieved accuracy of attack prediction is corresponding to 82.7586207 percent.

Benzer Tezler

  1. DoS attack detection and mitigation

    Başlık çevirisi yok

    İLKER ÖZÇELİK

  2. Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı

    A hybrid face recognition approach using local appearance and deep models

    MERT ARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  3. Payload-based network intrusion detection using LSTM autoencoders

    LSTM özkodlayıcılar ile ağ yükü tabanlı ihlal tespiti

    SELİN COŞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SÜLEYMAN SERDAR KOZAT

  4. Computer networks intrusion detection using artificial neural network

    Başlık çevirisi yok

    MUSTAFA MUHANAD M.SALIH ALRASHADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    PROF. DR. OĞUZ BAYAT

  5. Derin öğrenme yöntemleri ile kablosuz ağlara sızma tespiti

    Wireless network intrusion detection using deep learning methods

    EMRE HALİSDEMİR

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HACER KARACAN