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
- DERİN ÖĞRENME YÖNTEMLERİ KULLANILARAK WEB UYGULAMA GÜVENLİĞİ SAĞLANMASI
ENSURING WEB APPLICATION SECURITY USING DEEP LEARNING METHODS
MEHMET SEVRİ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. HACER KARACAN
- Terrain classification by using hyperspectral and LiDAR data
Hiperspektral ve LiDAR verisi ile arazi sınıflandırması
ALİ GÖKALP PEKER
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. YASEMİN YARDIMCI ÇETİN
DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ
- A hybrid deep learning based framework for stock market prediction
Başlık çevirisi yok
DOAA AZEEZ AMEEN AL-BAIRMANI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OSMAN NURİ UÇAN
- A novel framework for student performance prediction using optimized ai techniques
Başlık çevirisi yok
ZAINAB ALI MOHAMMED ALRUBAYE
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN