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: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Anomaliler, Derin öğrenme, Evrişimli sinir ağları, Merkezi işlem birimleri (CPU), Anomalies, Deep learning, Convolutional neural networks, Central processing units (CPU)
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Developing machine learning methods for network anomaly detection
Bilgisayar ağlarında anormal durum tespiti yapan öğrenme yöntemlerinin geliştirilmesi
HABIBU SHOMARI MUKHANDI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAFER AYDIN
- Machine learning approach for external fraud detection
Dış saldırıların belirlenmesi için makine öğrenimi yaklaşımı
AJI MUBALAIKE
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
PROF. DR. EŞREF ADALI
- Ağ davranış modeli ile kurum içi saldırıların belirlenmesi
Detection of insider attacks using network behavour model
AYŞE GÜL
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
PROF. DR. EŞREF ADALI
- Adaptive and hierarchical classifier fusion approaches for network attack detection
Ağ saldırısı tespiti için uyarlanır ve aşamalı sınıflandırıcı tümleştirme yaklaşımları
ERKAN AS
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- 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