A new cybersecurity application using hybrid machine learning method
Hibrit makine öğrenme yöntemiyle yeni bir sibergüvenlik uygulaması
- Tez No: 800419
- Danışmanlar: YRD. DOÇ. DR. MESUT ÇEVİK
- 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: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 71
Özet
Siber saldırılara karşı güvenlik önlemlerinin alınması günümüz koşullarında herkes için bir zorunluluk haline gelmiştir. Bu gereksinimlerin doğru ve en etkin şekilde uygulanması ve uygulanması tüm kuruluşlar tarafından yüksek düzeyde önem arz etmektedir. Kaggle'dan elde edilen veriler, destek vektör makinesi (SVM), sinir ağı, karar ağacı gibi çeşitli makine öğrenme tekniklerini eğitmek ve test etmek için kullanıldı. Ayrıca, derin inanç ağı (DBN), veri setini normal ve anormal olarak sınıflandırmak için AYRICA KULLANILIR. DBN'nin amacı, trafiğin normal ve anormal durumlarının özelliklerini öğrenmek ve sınıflandırmaya çalışmaktır. Ardından, DBN'nin en iyi parametrelerini elde etmek için parçacık sürüsü optimizasyon algoritması uygulanmıştır. DBN'nin performansını optimize etmek için uygulanan PSO algoritması, önceki araştırmalarla karşılaştırıldığında dikkat çekici sonuçlar verdi. Önerilen DBN tabanlı PSO, %100'e yakın doğruluk sundu.
Özet (Çeviri)
The adoption of security measures against cyber attacks has become a necessity for everyone in the current conditions. Applying and implementing these requirements in the right direction and most effectively receives a high level of importance from all organizations.. The data obtained from Kaggle used to train and test several machine learning techniques such as support vector machine (SVM), neural network, decision tree. Furthermore, deep belief network (DBN) ALSO USED to classify the dataset to the normal and abnormal. The aim of DBN is learning the features of the normal and abnormal cases of the traffic and trying to classify it. Then, particle swarm optimization algorithm applied to obtain best parameters of the DBN. The PSO algorithm applied for optimize the performance of the DBN and presented remarkable results when compared with previous research. The proposed DBN based PSO presented near to 100% accuracy.
Benzer Tezler
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Kablosuz yerel alan ağlarında saldırıların tespit edilmesi ve analizi
Intrusion detection and analysis in wireless local area networks
MERVE ÖZKAN OKAY
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- Akan verilerde anomali tespiti için hibrit tekniklere dayalı bir yöntem tasarımı ve gerçekleştirimi
Design and implementation of a method based on hybrid techniques for anomaly detection in streaming data
ERCAN GÜNBİLEK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN BULUT
DR. ÖĞR. ÜYESİ ZÜLEYHA AKUSTA DAĞDEVİREN
- Application of deep neural networks for network intrusion detection systems in cyber security
Başlık çevirisi yok
THAMER OTHMAN
Yüksek Lisans
İngilizce
2021
Bilim ve TeknolojiAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- PLC ile kontrol edilen mikro tip akıllı şebeke sistemlerde bilgi güvenliğinin sağlanması
Providing information security in micro type smart grid systems controlled by PLC
SERKAN GÖNEN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN NURCAN YILMAZ