A new deep learning-based framework for cyberscurity problems
Başlık çevirisi mevcut değil.
- Tez No: 799986
- 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: 73
Özet
Bu çalışmada, IoT'lerde SQL enjeksiyon saldırılarını tespit etmek için CNN-GA-rastgele orman tabanlı yeni bir çalışma öneriyoruz. İlk aşamada, CNN, giriş SQL sorgularından üst düzey özellikler çıkarmak için başvurdu. Ardından, CNN'nin çıktısı rastgele ormana bağlanır. Rastgele orman, çeşitli sınıflandırma ve regresyon problemlerinde kullanılan sağlam bir sınıflandırıcıdır ve diğer sınıflandırıcılarla karşılaştırıldığında dikkate değer sonuçlar vermiştir. Ardından, modelin en iyi ağırlığını ve temelini seçmek için CNN'yi eğitmek için uygulanan genetik algoritma. Genetik algoritma sağlam optimizasyon algoritmasıdır ve tasarım, sınıflandırma, regresyon ve tahmin gibi modellerin performansını artırmak için çeşitli alanlarda kullanılır. Önerilen sistem bazı çalışmalara göre %99,93 doğrulukla sonuç vermiştir.
Özet (Çeviri)
In this study, we proposes new study based CNN-GA-random forest to detect the SQL injection attacks in IoTs. In the first stage, the CNN applied to extract high level features from input SQL inquiries. Then, the output of the CNN wired to the random forest. The random forest is robust classifier used in several classification and regression problems and presented remarkable results when compared with other classifiers. Then, the genetic algorithm applied to train the CNN to select best weight and basis of the model. The genetic algorithm is robust optimization algorithm and used in several fields to enhance the performance of the models such as design, classification, regression and estimation. The proposed system showed results with an accuracy of 99.93% compared to some studies.
Benzer Tezler
- Derin öğrenme modellerinin hücre veri seti üzerinde eğitilerek kıyaslanması ve mobil ortama uyarlanması
Comparision and mobile application of deep learning models trained on blood cell dataset
MEHMET YAVUZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ZAHİD YILDIZ
- Enerji sistemlerinde siber güvenlik
Cybersecurity in power systems
ABDULVEHHAB AĞIN
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEN DEMİRÖREN
- Siber güvenlik sistemleri için dinamik ve artımlı makine öğrenmesi yaklaşımları
Dynamic and incremental machine learning approaches for cyber security systems
ENGİN BAYSAL
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT BAYILMIŞ
- Gemi siber güvenlik dinamiklerinin belirlenmesi ve köprüüstü seyir ekipmanlari özelinde siber güvenlik risk değerlendirme uygulamalari
Determination of ship cyber security dynamics and cyber security risk assessment applications specifically for bridge navigation equipment
BÜNYAMİN GÜNEŞ
Doktora
Türkçe
2025
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN