New computer security system for DDOS detection in IoT
Başlık çevirisi mevcut değil.
- Tez No: 770181
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- 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: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Bilgisayar ağlarının yaygın olarak kullanılması, ağlara yönelik saldırıların da artmasına neden olmuştur. sistemler. DDOS (Distributed Denial of Service) saldırısı birçok kişinin yaptığı saldırılardan biridir. kurumlar son zamanlarda maruz kalmıştır. Hedef sunucuyu çok yoğun bir trafiğe maruz bırakarak güvenliği ihlal edilmiş kurban bilgisayarlardan hizmet engellenir. Güvenlik duvarı, antivirüs vb. kurumsal veya günlük hayatımızda kullanılan ağları kötü niyetli kişilerden korumak. birçok sistem veya yazılımlar kullanılır. Ancak bu önlemler saldırıları önlemek için yetersiz kalabilir. Çünkü Maddi kazancımızı veya itibarımızı kaybetmemizi ve ekip olarak çalışmamızı isteyen insanlar sürekli olarak sistemlerdeki zafiyetleri tespit etmek için zafiyetleri bulmak. Bu çalışmada, derin öğrenme teknikleri kullanılarak IoT'lerde yeni DDoS algılama sistemi sunulmuştur. birkaç sınıflandırıcıya dayalıdır. Derin öğrenme tekniği olarak kullanılan derin seyrek otomatik kodlayıcılar çıkarılan yüksek seviyeli özellikler ve çıkarılan özellikler AdaBoost, DT, RF ve LR'ye bağlanmıştır. AdaBoost tabanlı derin seyrek otomatik kodlayıcılar, en iyi sonuçları %99,99 doğrulukla sundu diğer sınıflandırıcılar ve son teknoloji çalışmalar ile karşılaştırıldığında çok yüksektir.
Özet (Çeviri)
The widespread use of computer networks has also led to an increase in attacks on networked systems. DDOS (Distributed Denial of Service) attack is one of the attacks that many institutions have been exposed to recently. By subjecting the target server to a very heavy traffic from the compromised victim computers, the service is prevented. Firewall, antivirus, etc. to protect the networks used in our corporate or daily life from malicious people. many systems or software are used. However, these measures may be insufficient to prevent attacks. Because people who want us to lose financial gain or reputation and work as a team are constantly trying to find vulnerabilities in order to detect the vulnerabilities in the systems. In this study, new DDoS detection system in IoTs presented by using deep learning techniques based several classifiers. The deep sparse autoencoders used as deep learning technique to extracted high level features and the extracted features wired to AdaBoost, DT, RF, and LR. The deep sparse autoencoders based AdaBoost presented the best results with accuracy 99.99% which is very high when compared with other classifiers and state of art studies.
Benzer Tezler
- Makine öğrenimini kullanarak IoT ağlarında saldırı tespiti
Intrusion detection in IoT networks using machine learning
HANAN ABU KWAIDER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ AVAROĞLU
- New lightweight DoS attack mitigation techniques for RPL based IoT networks
RPL temelli IoT ağları için DoS saldırılarının etkisini azaltacak yeni teknikler
AHMET ARIŞ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- Yazılım tanımlı ağlarda saldırı algılama ve kümeleme
Intrusion detection and clustering in software defined
ENES AÇIKGÖZOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜLKADİR ÇAKIR
- Makine öğrenme yöntemleri kullanılarak saldırı tespiti
Intrusion detection using machine learning methods
FIRAT KILINÇ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CAN EYÜPOĞLU
- Makina öğrenmesile biyometrik sahtekarlığa ve ağ anormallik tespitine dayalı saldırı tespiti
Intrusion detection based on biometric spoofing and network anomaly detection with machine learning algorithms
SAJAD EINY
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ