Conceptual understanding of deep learning for smart wireless neural network
Başlık çevirisi mevcut değil.
- Tez No: 802401
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- 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: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Bu tezde, ağ trafiğine yönelik DDoS saldırılarının tespiti ve sınıflandırılması için bir derin öğrenme modeli önerilmiştir. Literatürdeki çalışmalar incelendiğinde DDoS saldırı tespitinde derin öğrenme modellerinin makine öğrenmesi algoritmalarına göre daha iyi sonuçlar elde ettiği görülmüştür. Bu nedenle tez çalışmasında DDoS saldırılarının tespiti için derin öğrenme yaklaşımı benimsenmiş ve CNN tabanlı bir GWO modeli oluşturmak için deneysel modeller hazırlanmıştır. 16 katmanda hazırlanan CNN modelleri veri setlerine ayrı ayrı uygulanmış ve elde edilen sonuçların değerlendirilmesi doğrultusunda Bu yazıda, kablosuz ağdaki DDoS problemini çözmek için otomatik bir CNN-GWO-AdaBoost kullanımını öneriyoruz. Girdi verilerinin boyutunu azaltmak için kullanılan ilk otomatik CNN'dir. Ardından, CNN'nin çıkışı GWO'ya bağlanır. GWO, CNN'nin çıktısı olan girdi özelliklerinin boyutunu azaltmak için de uygulandı. AdaBoost, nitelikleri üç saldırıya (normal ve anormal) ayırır. Önerilen sistem, bazı çalışmalara kıyasla %99,61 doğrulukla sonuçlar göstermiştir.
Özet (Çeviri)
In this thesis, a deep learning model is proposed for the detection and classification of DDoS attacks on network traffic. When the studies in the literature are examined, it has been seen that deep learning models achieve better results than machine learning algorithms in DDoS attack detection. Therefore, in thesis study, a deep learning approach was adopted for the detection of DDoS attacks and experimental models were prepared in order to create an CNN-based GWO model. CNN models prepared in 16 layers were applied separately to the datasets, and in line with the evaluation of the results obtained In this paper, we propose the use of an automatic CNN-GWO-AdaBoost to solve the DDoS problem in the wireless network. It is the first automatic CNN to be used to reduce the size of input data. Then, the output of the CNN is connected to GWO. The GWO also applied to reduce the size of input features that are output of CNN. AdaBoost categorizes the attributes into three attacks (normal and abnormal). The proposed system showed results with an accuracy of 99.61% compared to some studies
Benzer Tezler
- Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi
Load forecasting and decision support system for electric vehicles use
HATİCE MENEKŞE KÖSEMEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ORHAN TORKUL
- Somuttan soyuta: Temel tasarım stüdyosunda bir başlangıç pratiği olarak yaparak tasarlama
From concrete to abstract: Designing by doing as an initial practice in basic design studio
BERİL GÖK
Yüksek Lisans
Türkçe
2024
Eğitim ve Öğretimİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. YÜKSEL DEMİR
- 5E modelinin kullanıldığı kavramsal değişime dayalı öğretimde üst bilişin etkileri: 7. sınıf kuvvet ve hareket ünitesine yönelik bir uygulama
The effects of metacognition during the instruction based on conceptual change used with 5E model: An application regarding the force and motion subject in the 7th grade
EYLEM YILDIZ
- Doğrusal ve düzlemde hareket ünitelerinin matematiksel modelleme kullanılarak öğretiminin öğretmen adaylarının öğrenmelerine etkileri
The effectiveness of teaching one and two dimensional motion on prospective teachers? learning using mathematical modeling
ZEYNEP BAŞKAN
Doktora
Türkçe
2011
Eğitim ve ÖğretimKaradeniz Teknik ÜniversitesiOrtaöğretim Fen ve Matematik Alanları Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. NEDİM ALEV
- Artificial intelligence based risk analysis in project management
Proje yönetiminde yapay zekâ tabanlı risk analizi
YASEMİN TUNCER
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri MühendisliğiMarmara ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN ÖZTEMEL