Detecting denial of service attack of network traffic by build accurate intrusion detection system based on machine learning algorithm
Başlık çevirisi mevcut değil.
- Tez No: 797663
- 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: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Günümüzde, bilgisayar kötü amaçlı yazılımlarındaki artış nedeniyle daha etkili saldırı tespit sistemlerinin oluşturulması çok önemli hale geldi. Sistemin kullanılabilirliğinin, bilgi güvenliğinin önemli bir bileşeni ve herhangi bir ağın en önemli gereksinimi olduğundan emin olun. Son zamanlarda, ağ üzerinden izinsiz giriş tespitini iyileştirmek için Makine Öğrenimi algoritması (ML) kullanılmıştır. Şu anda bu sistemlerin güncellenmiş bir sürümünü yayınlamak gerekiyor. Sunulan çalışma, ağda çalışan herhangi bir sistemi geçici veya tam sistem arızasından korumak için dağıtılmış hizmet reddi saldırılarını sınıflandırmak ve önlemek için ml'ye dayalı güvenilir ve doğru bir IDS oluşturmayı amaçladı. (Karar ağacı, rastgele orman, lojistik regresyon, destek vektör makinesi ve çok katmanlı sinir ağı) dahil olmak üzere önerilen ML modelleri, cıc-ıds-2018 veri kümesi kullanılarak eğitildi ve değerlendirildi. Ayrıca, veri kümesinin boyutsallığını azaltmak için temel bileşen analizi (PCA) kullanılmıştır. Sınıflandırmaya göre
Özet (Çeviri)
Today, the creation of more effective intrusion detection systems has become crucial due to the rise in computer malware. Ensure the availability of the system is an important component of information security and the most important requirement of any network. Recently the Machine Learning algorithm (ML) has been used to improve intrusion detection over the network. It is currently necessary to release an updated version of these systems. The presented work aimed to build a reliable and accurate IDS based on ML to classify and prevent distributed denial of service attacks to protect any system working on the network from temporary or complete system failure. The proposed ML models, including (decision tree, random forest, logistic regression, support vector machine, and multi-layer neural network) were trained and evaluated using the cic-ids-2018 dataset. Furthermore, principal component analysis (PCA) was used to reduce the dimensionality of the dataset. According to the classification results, the proposed multi-layer neural network model has optimal performance at an accuracy of 99.9992%.
Benzer Tezler
- Gezgin etmenler ve doğadan esinlenen sezgiseller kullanarak dağıtık bilgisayar güvenliğinin sağlanması
Distributed computer security using mobile agents and nature inspired algorithms
UĞUR AKYAZI
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. A. ŞİMA ETANER UYAR
- Ağ trafiğinin analizi, anomali tespiti ve değerlendirme
Analysis of network traffic, anomaly detection and evaluation
AKIN ASLAN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Dağıtık hizmet aksatma ((DDoS) saldırılarının yapay zeka yöntemleri kullanılarak tespiti
Detection of distributed denial of service ((DDoS) attacks using artificial intelligence methods
İLKNUR KAYACAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BABALIK
- Gemi radar sistemlerinde uzaktan kod yürütme (RCE) tehditlerini azaltmaya yönelik siber güvenlik önlemlerinin bayes ağı metoduyla değerlendirilmesi
Evaluation of cybersecurity measures to mitigate remote code execution (RCE) threats in shipboard radar systems using the bayesian network method
EMRE DÜZENLİ
Yüksek Lisans
Türkçe
2024
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- A secure and reliable communication platform for the smart grid
Başlık çevirisi yok
KUBİLAY DEMİR
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTechnische Universität DarmstadtProf. NEERAJ SURI