A brief overview of the use of machine learning for network security
Başlık çevirisi mevcut değil.
- Tez No: 779830
- Danışmanlar: PROF. DR. ECE GELAL SOYAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Ağ güvenliği, Makine öğrenmesi, Yazılım tanımlı ağlar, Five-Generation Wireless Telephone Technology, Network security, Machine learning, Software defined networks
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Makine öğreniminin ağ güvenliğine uygulanması ve ayrıca SDN, IOT, 5G, bulut bilgi işlem ve optik ağ güvenliği gibi ağ güvenliğinde makine öğreniminin kullanıldığı çeşitli ağ türleri hakkında bir literatür araştırması yürüttük. Bu anketin amacı, makine öğreniminin ağ güvenliği için ne kadar iyi çalıştığını, hangi algoritmaların en iyi şekilde çalıştığını ve ağ güvenliğinin yalnızca makine öğrenimine bırakılıp bırakılamayacağını öğrenmekti. Araştırmanın bulguları, makine öğrenimi algoritmalarının çok sayıda ağdaki kötü amaçlı yazılımları tespit etmede pratik ve etkili olduğunu ve bu algoritmalar yardımıyla elde edilebilecek yüksek doğruluk oranı olduğunu göstermiştir. Bu, bu algoritmaların istenen hassasiyet seviyesini elde edebildiği gerçeğiyle gösterildi. Ancak şu anda, bir ağı güvende tutmak için tamamen veya hatta çoğunlukla makine öğrenimine güvenmek iyi bir fikir değil.
Özet (Çeviri)
We have conducteda a literature survey on the application of machinee learningg to network security as well as on ae number of network types in which machine learning is used in network security, such as SDN, IOT, 5G, cloud computing, and optical network security . The goal of this survey was to find out how well machine learning works for network security, which algorithms work best, and if network security can be left up to machine learning alone. The findings of the research showed that machine learning algorithms are practical and effective for detecting malware in a large number of networks, with high accuracy that can be achieved with the help of these algorithms. This was demonstrated by the fact that these algorithms were able to achieve the desired level of precision. But right now, it's not a good idea to depend entirely or even mostly on machine learning to keep a network safe.
Benzer Tezler
- Para piyasasında banka dışı mali kesimde finansal farklılaşma: Factoring, forfaiting, leasing ve özel finans kurumları
Başlık çevirisi yok
MÜGEHAN ACARASLAN
- Genetik algoritmaların meteorolojik uygulamaları
Başlık çevirisi yok
MEHMET ÖZTOPAL
Yüksek Lisans
Türkçe
1998
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
- Machine learning approach for external fraud detection
Dış saldırıların belirlenmesi için makine öğrenimi yaklaşımı
AJI MUBALAIKE
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
PROF. DR. EŞREF ADALI
- Ovulasyon indüksiyonu tedavisinde folliküler gelişimin ultrasonografik takibi
Başlık çevirisi yok
MERİH BAYRAM
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. MÜLAZIM YILDIRIM
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE