Geri Dön

Intrusion detection system in IoT networks using SVM-PSO classification

Başlık çevirisi mevcut değil.

  1. Tez No: 796778
  2. Yazar: SHAHAD ABDULJABBAR MOHAMMED AL-RUBAYE
  3. Danışmanlar: PROF. DR. GALİP CANSEVER
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 96

Özet

Bilgisayar bilimi ve bilgi teknolojisi alt alanları baş döndürücü bir hızla gelişmeye devam ederken, bilgisayar ve internet ile ilgili bilimsel ve teknik girişimlerin teşvik edilmesi ve geliştirilmesi için çaba sarf edilmektedir. Bilgisayar ağlarının sağladığı temel ve kaynakların modern toplumda, işletmelerde ve bireylerin yaşamlarında giderek daha önemli bir rol oynaması şaşırtıcı gelmemelidir. makine öğrenimi teknikleri?“ ”Bağlı nesnelerin davranışına dayalı olarak bir izinsiz giriş dedektörü oluşturulabilir mi?" Büyük akışlar ile sürekli varlıkları arasındaki bağlantının kesin doğası nedir? Veya bir akımın kısa mı yoksa uzun süre mi mevcut olacağı nasıl belirlenir? Ağa izinsiz giriş tespitinin zorluğu, artımlı bir destek vektör makinesi veya SVM kullanılarak önlenebilir ve DVM sınıflandırmasının zorluğu, ikinci dereceden bir algoritma kullanan bir karar fonksiyonu kullanılarak önlenebilir. bu senaryoda, bir SVM sınıflandırıcısı, artımlı bir SVM ve verilen veri kümesinin bir parçası kullanılarak eğitilir; destek vektörleri her adımda kaydedilir ve bir sonraki yinelemeden önce yeni bir eğitim seti üretilir. Eğitim veri setine yeni bir vektör eklemek, (Karush-Kuhn-Tucker) KKT kriterlerini yakından takip etmelidir. Ek olarak, SVM parametrelerinin artımlı iyileştirmesinde parçacık sürüsü optimizasyonu kullanılır. Eğitim örneği veri kümeleri koleksiyonundaki en az bir örnek KKT koşulunu karşılamıyorsa, ağ saldırı tespiti için SVM sınıflandırıcıları oluşturmak mümkündür. Sonuç olarak, KKT koşulları sağlanıyorsa, durum budur.

Özet (Çeviri)

As the subfields of computer science and information technology continue to expand at a dizzying rate, efforts are made to promote and improve scientific and technical initiatives related to computers and the internet. It should not come as a surprise that the foundation and resources given by computer networks are playing an increasingly significant role in modern society, businesses, and individuals' lives This thesis focuses on the issue,“Can an effective intrusion detector be developed using tracing and machine learning techniques?”which asks,“Can an intrusion detector be created based on the behaviour of connected objects?”What is the precise nature of the connection between large flows and their continuous existence? Or, how can one determine if a current will be present for a short or long duration? The difficulty of network intrusion detection may be avoided by utilizing an incremental support vector machine, or SVM, and the difficulty of SVM classification can be avoided by employing a decision function that employs a quadratic algorithm. In this scenario, an SVM classifier is trained using an incremental SVM and a piece of the given dataset; support vectors are saved at each step, and a fresh training set is produced prior to the next iteration. Adding a new vector to the training dataset must closely follow to the (Karush-Kuhn-Tucker) KKT criteria. In addition, particle swarm optimization is used in the incremental refinement of SVM parameters. If at least one sample in the collection of training sample datasets does not meet the KKT condition, it is possible to construct SVM classifiers for network intrusion detection. Consequently, if the KKT conditions are satisfied, this is the case

Benzer Tezler

  1. Intrusion detection system in IOT networks using SVM PSO classification

    IOT ağlarında SVM PSO sınıflandırması kullanarak saldırı tespit sistemi

    INAS ALI ABDULMUTTALEB AL-MUSAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    Assist. Prof. Dr. ABDULLAHİ ABDU IBRAHIM

  2. Intrusion detection in IoT SDN network using machine learning

    Başlık çevirisi yok

    SAMER ALBENAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ ATA

  3. Intrusion detection in IoT networks using feature selection and SVM classification

    Başlık çevirisi yok

    MARYAM ALI HUSSEIN AL-BALHAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. GALİP CANSEVER

  4. Makine öğrenme yöntemleri kullanılarak saldırı tespiti

    Intrusion detection using machine learning methods

    FIRAT KILINÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CAN EYÜPOĞLU

  5. Intrusion detection system in iot networks using machine learning

    Makine öğrenmeyi kullanarak ıot ağlarında sözleşme algılama sistemi

    ALHASAN KADHIM RESEN RESEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. AYÇA KURNAZ TÜRKBEN