Geri Dön

Kablosuz sensör ağlarda ağ katmanında meydana gelen dos saldırılarının derin öğrenme yöntemleriyle tespit edilmesi

Detection of dos attacks occuring at network layer with deep learning methods in wireless sensor networks

  1. Tez No: 751957
  2. Yazar: CELİL OKUR
  3. Danışmanlar: DOÇ. DR. MURAT DENER
  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: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgi Güvenliği Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgi Güvenliği Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 102

Özet

Kablosuz Sensör Ağlarının (KSA) kullanım alanları ve entegre olduğu sistem sayısı arttıkça popülaritesi artmakta ve bu durum saldırganların da dikkatini çekmektedir. KSA çalışma ortamı ve imkânları nedeniyle saldırıya açık bir yapıya sahiptir. Saldırganlar sensör ağlarına ağ içinden ve ağ dışından olmak üzere iki yolla; ağa sızmaya, ele geçirmeye, manipüle etmeye yönelik saldırılar gerçekleştirmektedirler. Gerçekleştirilen bu saldırılar katmanlara göre farklı şekilde uygulanmaktadır. Sensör ağlarda gerçekleştirilen bu saldırıların ardından ağ trafik verileri incelenmekte ve sonraki muhtemel saldırıların önüne geçmek için zararlı trafik ve düğüm davranışları analiz edilmektedir. Ağdan alınan ham veriler bazı ön işlemlerden geçirilerek öğrenme modelleri tarafından kullanılabilecek hale getirilmektedir. Modellerle incelenen veri, ağ trafik türlerine göre kategorize edilerek ağda gerçekleştirilen saldırılar tespit edilmektedir. KSA'da öğrenme modelleri ile yapılan saldırı tespitleri klasik tespit yöntemlerine göre yüksek doğruluk yüzdeleri ile gerçekleştirilmektedir. Bu tez çalışmasında KSA ağ katmanı saldırılarından olan Blackhole, Flooding, Selective Forwarding saldırıları Network Senario (NS 2) benzetim ortamında oluşturularak uygulanmış, WSN-BFSF veri seti elde edilmiş, elde edilen veri seti gerekli ön işlemlerden geçirilerek öğrenme modelleri ile incelemeye hazır hale getirilmiştir. Random Forest, Decision Tree, Naive Bayes ve Logistic Regression olmak üzere 4 farklı makine öğrenme modeli ve Multilayer Perception (MLP), Convolutional Neural Network (CNN), Long Short Term Memory (LSTM) ve Gated Recurrent Unit (GRU) olmak üzere 4 farklı derin öğrenme modeli ile toplamda 8 farklı modelle veri seti incelenmiştir. Modeller ile elde edilen deneysel sonuçlar detaylı olarak sunulmuştur.

Özet (Çeviri)

As the usage areas of wireless sensor networks and the number of systems it is integrated increase, their popularity also increases which attracts the attention of attackers. WSN has a structure open to the attacks due to its working environment and opportunities. Attackers carry out attacks to infiltrate, seize, and manipulate sensor networks both inside and outside the network. These attacks are carried out differently based on the layers. After these attacks on sensor networks, network traffic data is examined and malicious traffic and node behaviors are analyzed to prevent possible future attacks. The raw data received from the network is made usable by learning models by passing some preprocessing. The data analyzed with the models are categorized according to the network traffic types and the attacks carried out on the network are detected. In WSN, attack detections made with learning models are performed with high accuracy percentages compared to classical detection methods. In this study, the data set was obtained by performing Blackhole, Flooding, Selective Forwarding attacks, which are network layer attacks in WSN in the Network Senario (NS 2) simulation environment, and the obtained data set was made ready for examination with learning models after the necessary preprocessing. The data set was examined with four different machine learning models, namely Random Forest, Decision Tree, Naive Bayes and Logistic Regression, and four different deep learning models, namely Multilayer Perception (MLP), Convolutional Neural Network (CNN), Long Short Term Memory (LSTM) and Gated Recurrent Unit (GRU) with 8 different models. Result of models are explained in detail.

Benzer Tezler

  1. The comparison of energy consumptions for OOK and BPSK modulationsin wireless sensor networks

    Kablosuz algılayıcı ağlarda OOK ve BPSK modülasyonları için enerji tüketimlerinin karşılaştırılması

    OMRAN TABAJOU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NÜKHET SAZAK

  2. A new energy efficient forwarder set based dynamic duty cycled routing in wireless sensor networks

    Kablosuz sensör ağlarında yönlendirme kümesine göre dinamik çevrimli yeni bir yönlendirme tekniği

    SILA ÖZEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMA FATMA OKTUĞ

  3. UAV-enabled wireless-powered IoT wireless sensor networks

    IHA-etkin kablosuz-enerjili IoT kablosuz sensör ağları

    AMIN FARAJZADEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektronik Mühendisliği Bilim Dalı

    PROF. DR. ÖZGÜR ERÇETİN

  4. Secure and coordinated beamforming in 5G and beyond systems using deep neural networks

    5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme

    UTKU ÖZMAT

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI

    DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL

  5. Gerçek zamanlı kablosuz algılayıcı ağlarda saldırı tespit ve saldırı yanıt si̇stemlerinin tasarlanması

    Design of intrusion detection and response systems on real-time wireless sensor networks

    ÇAĞLAR OFLAZOGLU

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHatay Mustafa Kemal Üniversitesi

    Enformatik Ana Bilim Dalı

    PROF. DR. BÜNYAMİN YILDIZ

    DOÇ. DR. İPEK ABASIKELEŞ TURGUT