Geri Dön

Classification of darknet activities using neural networks

Sinir ağları ile darknet aktivitelerinin sınıflandırılması

  1. Tez No: 792759
  2. Yazar: BÜŞRA AKTAN TEN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SERDAR ARSLAN, DOÇ. DR. AYDIN KAYA
  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: 2023
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 137

Özet

Tehditlere maruz kalmadan önce ağı karakterize ederek analiz yapmak oldukça önemlidir. Bu çalışmada darknet ağ trafiği analizi yapılarak darknet ağı 2 katmanlı yapay sinir ağı modellerinde inceleme gerçekleştirilerek tespit ve karekterize edilmiştir. İlk katmanda verinin iyi huylu mu yoksa darknet verisi trafiğimi ayırt edilmekte, ikinci katmanda ise trafiğin oluşturduğu Browsing, P2P, Chat, Email, Transfer, Audio Stream, Video Stream ve VOIP kategorilerinden hangisine ait olduğu tespiti yapılmaktadır. RNN, LSTM ve MLP veri algoritma modelleri ile deneyler yapılmıştır. GAN ile yeni veri setleri üretilerek diğer yöntemlerin eğitim verisi olarak kullanılmıştır. LSTM ve MLP algoritmaları ikinci katmanda hem çoklu kategori hem de ikili kategorili olarak tekrar kurgulanmıştır. MLP model de özellik seçimi algoritması uygulanmıştır. CICDarknet2020 veri seti kullanılmıştır. Model doğruluk değerlerine göre RNN darknet trafiği tespitinde 0.98, ikinci katmanda ise 0.86 oranında başarı elde edilmiştir. LSTM modelinde sırasıyla 0.99 ve 0.71 doğruluk değerleri elde edilmiştir. Ayrı ayrı modellenen kategorilerin ortalama doğruluk değerleri 0.92 olarak elde edilmiştir. MLP modelinde, sırasıyla 0.99 ve 0.78 değerleri gözlemlenmiştir. Özellik seçimi algoritma modeli ile aynı çıktılar elde edilmiştir. ikili kategori modelinde ortalama olarak %96 doğruluk değerleri sağlanmıştır.

Özet (Çeviri)

It is very important to characterize and analyze the network before being exposed to threats. In this study, darknet network traffic analysis was carried out and the darknet network was determined and characterized by examining the 2 layer artificial neural network models. In the first layer, it distinguishes whether the data is benign or darknet traffic, and in the second layer, it is determined which of the categories of Browsing, P2P, Chat, Email, Transfer, Audio/Video Stream and VOIP generated by the traffic. Experiments were made with RNN, LSTM and MLP algorithm models. New data sets were produced with GAN and used as training data. LSTM and MLP algorithms are reconstructed as both multi category and binary category. The feature selection algorithm has been applied in the MLP model. CICDarknet2020 dataset was used. According to the model accuracy values, RNN, 0.98 success was achieved in the detection of darknet traffic, and 0.86 in the second layer. In the LSTM model, values of 0.99 and 0.71 were obtained. Separately modeled categories were obtained as 0.92. In the MLP model, accuracy values of 0.99 and 0.78 were observed. The close outputs were obtained with the feature selection algorithm model. In the binary category model, 96% accuracy was achieved

Benzer Tezler

  1. EEG sinyallerinin zaman-frekans gösterimlerinin derin öğrenme ile analizi sonucu alzheimer hastalığının tespiti

    Detection of alzheimer disease through deep learning analysis of EEG signals' time-frequency representations

    MERAL ASLAN DİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Biyomühendislikİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. FIRAT KAÇAR

    PROF. DR. AYDIN AKAN

  2. Development of an effective deep learning model for breast cancer classification in histopathologic images

    Histopatolojik görüntülerde meme kanserinin sınıflandırılmasına yönelik etkili bir derin öğrenme modelinin geliştirilmesi

    KARWAN NOORI NADR JAF

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZKAN İNİK

  3. Automated processing and classification of medical thermal images

    Medikal termal görüntülerin otomatik olarak işlenmesi ve sınıflandırılması

    AHMET ÖZDİL

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT YILMAZ

  4. Derin öğrenme ile bitkilerin sulama ihtiyacı tespiti

    Deep learning for detection of plant irrigation needs

    VOLKAN İNCE

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mekatronik MühendisliğiBursa Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET MERT

  5. COVID-19 hastalığının derin öğrenme yöntemleri kullanılarak tespiti

    Detection of COVID-19 disease using deep learning methods

    HÜSEYİN YAŞAR

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT CEYLAN