A novel approach to improve cyber security of consumer used connected vehicles
Başlık çevirisi mevcut değil.
- Tez No: 796356
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ KARAN
- 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: 71
Özet
Bu yüksek lisans tezi, tüketici arabalarını izinsiz girişlerden korumak için CNN tabanlı derin öğrenmeyi kullanır. Geçiş ücreti toplama, trafik sahnesi analizi ve araç izleme, tüketici araç güvenlik yerelleştirmesini kullanır. Bağlamsal veriler (Rivest-Shamir-Adleman teoremi ilişkisi) otomotiv güvenlik verilerine ek olarak önemlidir. Araç güvenlik alanını ve otomobil konumlarını aynı anda bulmak için bir CNN sınıflandırıcısı kullanmayı önerdik. Dörtgenler, araç güvenliğinin dikdörtgenlerden daha ince göstergeleridir. Rivest-Shamir-Adleman algoritması sonuçlarını (RSA) optimize etmek için filtrelenmiş ve yeniden yapılandırılmış bölgeler ilk önce artık gürültüden temizlenir. Kullanmadan önce, RSA bölünür, boyuta göre filtrelenir ve alaka düzeyine göre metin satırlarına sıralanır. RSA yaygın olarak kullanılmaktadır. RSA, en az bir metin bölgesi için düşük bir güven puanı oluşturduysa, metin işleme devam eder ve kullanıcıdan, saldırının o bölümünde yeni bir saldırı elde etmesi istenir ve ardından bu, ilk saldırıyla karşılaştırılır. Tüm bölgeler yeterli puana sahip olduğunda veya önceden tanımlanmış sayıda denemeden sonra işlem tamamlanır. Sonuç, tespit edilen saldırı türünü, metin toplama sitelerinin bir listesini ve 300 eğitim ve test yinelemesinden sonra %98,69 olan RSA algoritmasının CNN doğruluğunu içerir. Önerilen sistemin nihai bulguları, %70 tren, %20 test ve %10 doğrulama ayrımı kullandı. Özellik vektörünü bir HCRL veri kümesinde test ettik. Bu veri kümesindeki birçok sınıf, siber güvenlik seçeneklerini yansıtıyordu. Python programlama ve derin öğrenme teknolojileri görevi tamamladı. Mimarimizin üç işlevsel beyin ağı, uçtan uca ve eşzamanlı eğitimi istikrarsız hale getirir. Model yakınsamazsa, hangi bileşenin (veriler, algoritma veya kafalar) hatalı olduğunu belirlemek imkansızdır. Tek başlı tasarım konseptinin beklendiği gibi çalıştığını doğrulayarak, geri kalanını eklemeden önce her bir işlevsel başlığı modele kademeli olarak ekledik.
Özet (Çeviri)
This master's thesis uses CNN-based deep learning to protect consumer cars from intrusion. Toll collecting, traffic scene analysis, and vehicle tracking use consumer car security localization. Contextual data—the Rivest-Shamir-Adleman theorem relationship—is essential in addition to automotive safety data. We suggested using a CNN classifier to simultaneously locate the vehicle security area and automobile locations. Quadrilaterals are more subtle indicators of vehicle security than rectangles. The filtered and reconstructed regions are first cleaned of residual noise to optimize Rivest-Shamir-Adleman algorithm results (RSA). Before use, the RSA is split, size-filtered, and sorted by relevance into lines of text. RSA is widely used. If the RSA created a low confidence score for at least one text region, text processing resumes and the user is prompted to obtain a fresh attack on that portion of the assault, which is then compared to the initial attack. The operation is complete when all regions have sufficient scores or after a predefined number of trials. The result includes the detected attack type, a list of text-collection sites, and the RSA algorithm's CNN accuracy, which was 98.69% after 300 training and testing iterations. The suggested system's ultimate findings used a 70% train, 20% test, and 10% validation split. We tested the feature vector on an HCRL dataset. Many classes in this dataset reflected cyber security options. Python programming and deep learning technologies completed the assignment. Our architecture's three functional brain networks make end-to-end and concurrent training unstable. If the model does not converge, it is impossible to determine which component—data, algorithm, or heads—is at fault. We gradually added each functional head to the model before adding the rest, confirming that the single-head design concept worked as expected.
Benzer Tezler
- Modbus temelli SCADA sistemlerinin siber güvenliği için yeni bir yaklaşım
A novel approach for cyber security of Modbus based SCADA systems
İSMAİL ERKEK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDAL IRMAK
- Analysis of network security using machine learning methods
Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi
MARYAM SALATI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
- Web uygulama saldırılarına yönelik otomatik tespit ve düzeltme sistemi
Automatic detection and correction system against web application attacks
DURMUŞ AYDOĞDU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF SAĞIROĞLU
- A support vector machine-based approach for southbound communication detection in SDN using openflow
Openflow kullanarak SDN'de güney yönlü iletişim tespiti için destek vektör makinesi tabanlı bir yaklaşım
ALİ GÖKHAN AVRAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ
- Üretim sistemleri için endüstri 4.0 uygulamalarında simülasyon yaklaşımı ve bir uygulama
Making use of simulation for production systems in implementation of industry 4.0 and an application
TEVFİKCAN COŞKUN
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ITIR SATOĞLU