Geri Dön

DDOS attack by botnet infected IoT devices detection based on deep learning models

Derın öğrenme modellerıne dayalı botnet vırüslü IoT cıhazlarının algılanması ıle DDOS saldırısı

  1. Tez No: 768368
  2. Yazar: OMER ADIL HUSSEIN AL MARSOOMI
  3. Danışmanlar: YRD. DOÇ. DR. ABDULLAH ABDU IBRAHIM
  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: Bilgi Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 69

Özet

Nesnelerin İnterneti'nin (IoT) gelişinden bu yana bağlantılı cihazların sayısı giderek artıyor. Bu genişletme, ağ operatörleri, IoT hizmet sağlayıcıları ve kullanıcılar için önemli olan daha fazla güvenlik sorunu oluşturuyor. Çeşitli ve kısıtlı doğaları nedeniyle IoT cihazlarında güvenlik standartlarının uygulanması zordur. Saldırganlar, Dağıtılmış Hizmet Reddi gibi büyük saldırılar gerçekleştirmek için Nesnelerin İnterneti cihazlarını kullanmıştır. Temel ağda güvenlik farkındalığını artırmak, hizmetlerin mobil çekirdek ağla temas eden güvenli olmayan IoT cihazları tarafından hedeflenmesinin önlenmesinin tek pratik seçeneğidir. Bu teoride, çok yönlü merkez organizasyonu için bir AI DDoS tanımlama ve hafifleme yaklaşımı gibi, parsel merkez bakış açısından IoT tehlikeleri ve zayıflıkları hakkında kapsamlı bir değerlendirme yer alır. Önerilen teknik, dört adet yönetilen yapay zeka düzenleme stratejisiyle denendi ve her bir klaginin sergisi değerlendirildi. Bu makalede, IoT botnet saldırılarının bir araç serbest düşünür yoluyla ağ bilgilerine bağlı olarak tanınması ve sınıflandırılması için faydalı öğrenme modellerinin kullanılabileceği ve özellikle vurgu tayini kullanılmadığında daha standart AI stratejilerinden daha net olabildikleri gösterilmektedir. Ayrıca bu çalışma, bulunan öğrenme modellerinin duvar resimlerinin Yerel Yorumlanabilir Model - Arıza tespit Prosedürü kullanılarak bir miktar azaltılabileceğini göstermektedir

Özet (Çeviri)

The number of linked devices is increasing at an exponential rate since the advent of the Internet of Things (IoT). This expansion is generating more security problems, which are critical for network operators, IoT service providers, and users. Implementing security standards on IoT devices is difficult due to their varied and constrained nature. Attackers have used Internet of Things devices to perform massive attacks such as Distributed Denial of Service. Raising security awareness in the core network is the only practical option to defend services from being targeted by unsecured IoT devices that contact the mobile core network. This theory incorporates an exhaustive assessment of IoT dangers and weaknesses from a parcel center point of view, just as an AI DDoS identification and alleviation approach for the versatile center organization. The proposed technique was tried utilizing four administered AI arrangement strategies, and every classifier's exhibition was assessed. This paper shows that profound learning models might be utilized to recognize and classify IoT botnet assaults dependent on network information in a gadget freethinker way, and that they can be more exact than some more standard AI strategies, especially when highlight determination isn't used. Moreover, this work shows that the murkiness of profound learning models can be decreased somewhat utilizing the Local Interpretable Model-Agnostic Explanations procedure

Benzer Tezler

  1. An open-source, machine learning based intrusion detection system

    Makı̇na öğrenmesı̇ tabanlı açık kaynak kodlu saldırı tespı̇t sı̇stemı̇

    ZEMRE ARSLAN TÜVER

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. ENVER ÖZDEMİR

  2. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİT ÖZTEKİN

  3. Extended topology analysis of a detection mechanism implementation against botnet based ddos flooding attack in SDN

    Yazılım tanımlı ağlarda botnet temelli dağıtık hizmet dışı bırakma saldırılarına karşı bir tespit mekanizmasının genişletilmiş topoloji analizi

    EMRE KARAKIŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF MURAT ERTEN

    DR. EMRAH TOMUR

  4. Detection of sources being used on ddos attacks

    Ddos ataklarında kullanılan kaynakların tespiti

    YALDA MOTEVAKELKHOSROSHAHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENVER ÖZDEMİR

  5. Gezgin etmenler ve doğadan esinlenen sezgiseller kullanarak dağıtık bilgisayar güvenliğinin sağlanması

    Distributed computer security using mobile agents and nature inspired algorithms

    UĞUR AKYAZI

    Doktora

    Türkçe

    Türkçe

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. A. ŞİMA ETANER UYAR