A new software defined networks (SDN) in IoTs based optimized machine learning techniques
IoT tabanlı optimize makine öğrenimi tekniklerinde yeni yazılım tanımlı ağlar (SDN)
- Tez No: 768893
- Danışmanlar: DOÇ. DR. AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 74
Özet
Bu çalışmada, otomatik bir SDN sistemi tabanlı makine öğrenme tekniklerinin kullanılmasını öneriyoruz. Bu aşamanın amacı, ilk olarak ACO kullanılarak analiz edilen veri seti, mevcut optimal modele yol açan en iyi ağırlığı ve temeli bulmaktır. Ardından, seçilen öznitelikler, giriş özniteliklerinden üst düzey öznitelikler çıkaran ilk Boltzmann'a bağlanmıştır. İkinci adımda, birinci Boltzmann makinesinin çıktısı, öznitelikleri de çıkaran ikinci Boltzmann makinesine bağlanır ve öznitelikler sınıflandırmaya hazır hale getirilir. Ardından, kötü amaçlı yazılım saldırılarını tespit etmek için denetimli öğrenme kullanılarak etiketlere sınıflandırılan ayıklanan özellikler. Sunulan yöntem, SVM, DT, MLP ve DBN gibi çeşitli tekniklerle karşılaştırıldı. Deneysel sonuçlar, önerilen yöntemin diğer tekniklere göre en iyi sonuçları verdiğini göstermektedir. Öte yandan önerilen yöntem de literatürle karşılaştırılmış ve önerilen yöntemin %99.93 doğrulukla bu çalışmalara göre en iyi doğruluğu sunduğunu göstermiştir.
Özet (Çeviri)
In this study, we propose the use of an automatic SDN system-based machine learning techniques. The dataset first analyzed using ACO the aim of this stage is to find best weight and basis that lead to present optimal model. Then, the selected features wired to the first Boltzmann which also extracted high level features from input features. In the second step, the output of the first Boltzmann machine wired to the second Boltzmann machinethat also extracted features from and the features be ready for classification. Then, the extracted features classified using supervised learning to the labels to detect the malware attacks. The presented method compared with several techniques such as SVM, DT, MLP, and DBN. The experimental results show that the proposed method presented best results than other techniques. On the other hand, the proposed method also compared with literature and show that the proposed method presented best accuracy than these studies with 99.93% accuracy
Benzer Tezler
- A new software defined network (SDN) in IoTs based deep learning techniques
Başlık çevirisi yok
AHMED HUSSEIN IBRAHEM ALAJDAH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- A new software defined networks (SDN) in IoTs based deep learning techniques
Başlık çevirisi yok
OSAMAH RIDHA JAWAD AL HWAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN HÜSEYİN BALIK
- Yazılım tanımlı ağlar (SDN) teknolojisi ile DASH istemci kalitesinin geliştirilmesi
Improving quality of experience achieved by DASH client with software defined networks (SDN)
YALÇIN ÖZVEREN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı
YRD. DOÇ. DR. MÜGE SAYIT
- 5G ağlarında güvenlik servisleri yönetiminin adli bilişim bakış açısıyla incelenmesi ve bir adli bilişim sistemi önerisi
Investigation of security services management in 5G networks from the perspective of forensic information and a proposal for a forensic system
ALTUĞ ÇİL
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
DOÇ. DR. MEHMET DEMİRCİ
- Yazılım tanımlı ağlarda yapay zeka tabanlı yeni bir DoS (denial of service) saldırı tespit sistemi gerçekleştirilmesi
Implementing a new DoS attack detection system in software defined networks based on artificial intelligence
MAJD LATAH
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT TOKER