Anomaly detection in network traffic using machine learning
Makine öğrenmeyi kullanarak ağ trafiğinde anomali tespiti
- Tez No: 750785
- Danışmanlar: PROF. DR. MEHMET FATİH AKAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Bu çalışmanın ana temalarından biri, Merkezi İşlem Birimi (CPU), bellek kullanımı ve bellek tahsis için anormallikleri tespit etmeye ve cihaz sağlığını ölçmeye odaklanmıştır; Makine öğrenmesi (ML) yöntemlerini kullanarak modelleri geliştirerek yirmi bir günlük süreyi bir araya getiren Anahtar Performans Göstergesi (KPI) veri seti için. Evrişimli Sinir Ağı (CNN) ve Uzun Kısa Vadeli Bellek (LSTM) ile Otomatik Kodlayıcılar (AE), Tek Sınıf Destek Vektör Makinesi (Oc-SVM), ayrıca k-En Yakın Komşular (k-NN). Tüm yöntemlerin doğruluğu bir karışıklık matrisi kullanılarak ölçülmüştür. Gözlemlenen sonuçlara göre, derin öğrenme yöntemleri, tüm modeller için sınıflandırma yöntemlerine kıyasla daha iyi performans sonuçları vermektedir. Genel olarak CNN/AE ve LSTM/AE modelleri diğer yöntemlere göre daha yüksek doğruluk göstermektedir. Karışıklık matrisinde doğruluğa göre modellerin en iyiden en kötüye doğru sıralanması; Derin öğrenme modellerinde CNN/AE, LSTM/AE, sınıflandırma modellerinde ise yöntemler için uygun sıralama; k-NN ve Oc-SVM.
Özet (Çeviri)
A primary thematic of this study is centered on detecting anomalies and measuring the device health for Central Processing Unit (CPU), memory utilization, and allocation; for Key Performance Indicator (KPI) dataset which assembled throw twenty-one-day, by improving models using machine learning (ML) methods; namely, Convolutional Neural Network (CNN), and Long Short-Term Memory (LSTM), with Auto Encoders (AE), One-Class Support Vector Machine (Oc-SVM), also k-Nearest Neighbors (k-NN). The accuracy of all methods was measured by using a confusion matrix. According to the observed results, the deep learning methods yield great performance results compared to classification methods for all models. In general, CNN/AE and LSTM/AE models show higher accuracy than the other methods. The ranking of models from best to worst based on accuracy in the confusion matrix are; CNN/AE, LSTM/AE, as for the deep learning models, while for classification models the favorable order for the methods are; k-NN, and Oc-SVM.
Benzer Tezler
- Ağ trafiğinde anormallik tespiti için veri seti oluşturma ve test yöntemlerinin karşılaştırılması
Creating a data set for anomaly detection in network traffic and comparison of test methods
EMRULLAH ERGİNAY
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- İklimlendirme sistemleri üzerinde makine öğrenmesi ile anomali tespiti
Anomaly detection with machine learning on air conditioning systems
REFİK KİBAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK
DR. ÖĞR. ÜYESİ KEVSER OVAZ AKPINAR
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Yazılım tanımlı ağlar ve nesnelerin interneti temelli akıllı şebekelerde anomali tespiti
Anomaly detection in smart grids based on software-defined networks and the internet of things
HİLAL YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA BALTA
- Predicting of distributed denial of service using machine learning algorithms
Başlık çevirisi yok
HANEEN KHAIRULLAH TALIB ALSELMI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN