Geri Dön

Robustness and security deep learning for wireless communications systems

Kablosuz iletişim sistemleri için sağlamlık ve güvenlik derin öğrenme

PDF İndir

  1. Tez No: 768239
  2. Yazar: AHMED ADNAN JAWAMEER JAWAMEER
  3. Danışmanlar: Assist. Prof. Dr. SEFER KURNAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Saldırı tespit sistemi (IDS), Veri setleri, Yapay sinir ağları, Intrusion detection system (IDS), Data sets, Artificial neural networks
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bir kablosuz ağı izinsiz girişlerden korumak ve herhangi bir verinin gizliliğini sağlamak için bir Sızma Tespit Sistemi gereklidir. Birincil amaç, çeşitli ağ tehditlerini tanımlayabilen bir ağ saldırı tespit sisteminin doğru performansını elde etmektir. Bu teklifte, makine öğrenimini ve Derin Güçlendirme Öğrenme Algoritmasını (DRL) kullanarak çeşitli ağ izinsiz giriş biçimlerini tanımlayabilen bir Ağ İzinsiz Giriş Tespit Sisteminin (NIDS) performansını inceledik. Ağa izinsiz giriş tespitinde kullanılan değer tabanlı bir Takviyeli Öğrenme algoritması tekniği olan Derin Ağ yöntemi uygulandı. Ayrıca, çeşitli saldırı türlerinin aksine modelimizin doğruluğunu inceledik. Bu çalışmada DNN modelimizi QSVM, yapay sinir ağı, KNN ve LDAe gibi çeşitli yaklaşımlar kullanılarak oluşturulmuş önceki bir modelle karşılaştırdık. Amacımız, önceki uzmanlığa veya ilk denemeye güvenmeden farklı saldırı türlerini tanımaktır. Yanlış uyarıların sıklığını sınırlamak için veri toplamayı kullandık. Önceki çalışmalar, tüm modeller için aynı özellikleri içeren UNSW-15 Veri Kümesi gibi bir kıyaslama veri kümesine dayanıyordu. Çeşitli saldırı türlerinin tespitine yardımcı olan 85 özellik üzerinde çalıştık.

Özet (Çeviri)

In order to defend a wireless network from intrusion and ensure the confidentiality of any data, an Infiltration Detection System is required. The primary goal is to achieve accurate performance of a network intrusion detection system capable of identifying various types of network threats. In this proposal, we studied the performance of a Network Intrusion Detection System (NIDS) that can identify various forms of network intrusions by utilizing the machine learning and Deep Reinforcement Learning Algorithm (DRL). The Deep Network method, a value-based Reinforcement Learning algorithm technique utilized in network intrusion detection, was applied. Furthermore, we examined our model's accuracy in contrast to various types of attacks. We compared our DNN model to a previous model constructed utilizing several approaches such as QSVM, artificial neural network, KNN, and LDAe in this study. Our goal is to recognize different types of attacks without relying on prior expertise or the first attempt. To limit the frequency of false alerts, we employed data collection. Previous studies depended on a benchmark dataset, such as the UNSW-15 Dataset, which contains the same characteristics for all models. We worked on 85 characteristics that aided in the detection of various types of attacks.

Benzer Tezler

  1. Tez No

    965630

    Applications of artificial intelligence for the security of networks

    Ağ güvenliği için yapay zeka uygulamalari

    SELEN GEÇGEL ÇETİN

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT

  2. Tez No

    989397

    İnsansız hava araçları ile RSSI temelli derin pekiştirmeli öğrenme yöntemi ile kablosuz sinyal kaynağı lokasyonunun belirlenmesi

    Localization of wireless signal sources using RSSI-based deep reinforcement learning on unmanned aerial vehicles

    EŞREF ŞAMİL ZAMANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Savunma ve Savunma TeknolojileriSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FURKAN KAMANLI

  3. Tez No

    955922

    Novel cyber security approaches using deep learning methods for ıot solutions

    Iot çözümleri için derin öğrenme yöntemlerini kullanan yeni siber güvenlik yaklaşimlari

    MUHAMMAD MUHAMMAD INUWA

    Doktora

    İngilizce

    İngilizce

    2025

    Bilim ve TeknolojiFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. RESUL DAŞ

  4. Tez No

    1004937

    Deep ensemble learning and federated knowledge distillation methods for waste classification

    Atık sınıflandırma için derin topluluk öğrenme ve federe bilgi damıtma yöntemleri̇

    AHMET ALKILINÇ

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SUAT ÖZDEMİR

  5. Tez No

    888550

    Anomaly detection system for avionics ADS-B: Attack vectors and machine learning

    Aviyonik ADS-B sistemi için anomali tespit sistemi: Saldırı vektörleri ve makine öğrenimi

    NURŞAH ÇEVİK

    Doktora

    İngilizce

    İngilizce

    2024

    Sivil HavacılıkOndokuz Mayıs Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. SEDAT AKLEYLEK

Geri Dön