Nesnelerin interneti tabanlı ağ trafiğinde ileri makine öğrenimi ve derin öğrenme yöntemleri ile anomali tespiti
Anomaly detection in internet of things based network traffic with advanced machine learning and deep learning methods
- Tez No: 804903
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Nesnelerin İnterneti'nin (IoT) yaygınlaşması ve ağa bağlı cihaz sayısındaki hızlı artış hem faydaları hem de birçok sorunu beraberinde getiriyor. Bu sorunların en önemlisi siber saldırılardır. Bu siber saldırılar itibar ve zaman kaybının yanı sıra maddi kayıplara da neden olmaktadır. Bu kayıpları ortadan kaldırmak veya minimuma indirmek için saldırı tespit sistemleri (IDS) ve saldırı önleme sistemleri (IPS) kullanılmaktadır. IDS, imza tabanlı veya anormallik tabanlı olacak şekilde tasarlanmıştır ve şu anda makine öğrenimi yöntemleri olarak anomali tabanlı sistemler kullanılarak geliştirilmektedir. Bu çalışmanın amacı, botnet'i saldırı türlerinden biri olarak ele alarak, ağınıza yüksek başarı oranına sahip bir saldırı olup olmadığını tespit etmektir. Bu sistemin geliştirilmesi için makine öğrenmesi yöntemlerinden biri olan Kolektif Derin Sinir Ağı (DNN) kullanılarak en doğru sonuca yönelik çözüm yöntemlerinin araştırılması amaçlanmaktadır. Çalışmada bilimsel araştırma için UCI Machine Learning kütüphanesinde bulunan N-BaIoT veri seti kullanılmıştır. Veriler, 2 botnet tarafından taşınan 1 iyi huylu ağ akışı ve 9 kötü amaçlı ağ akışından oluşur. Sınıflandırma aşamasından itibaren CNN ağlarının kümelenmiş topluluğu kullanılmıştır. Önerilen yöntem %99 doğruluğa ulaşmış olup, sonuçlar gelecek çalışmalar için cesaret vericidir.
Özet (Çeviri)
The widespread use of the Internet of Things (IoT) and the rapid increase in the number of devices connected to the network bring both benefits and many problems. The most important of these problems is cyber attacks. These cyber attacks cause financial losses as well as loss of reputation and time. Intrusion detection systems (IDS) and intrusion prevention systems (IPS) are used to eliminate or minimize these losses. IDS are designed to be signature-based or anomaly-based, and are currently being developed using anomaly-based systems as machine learning methods. The aim of this study is to detect whether there is an attack on your network, with a high success rate, by considering botnet as one of the attack types. In order to develop this system, it is aimed to use Ensemble Deep Neural Networks (DNN), which is one of the machine learning methods, and to search for solution methods for the most accurate result. In the study, N-BaIoT dataset in the UCI Machine Learning library was used for scientific research. The data consists of 1 benign network stream and 9 malicious network streams carried by 2 botnets. Stacked ensemble of DNN networks has been used from the classification stage. The proposed method has achieved %99 accuracy and the results are encouraging for future studies.
Benzer Tezler
- Ağ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi
A comparative analysis of machine learning algorithms on network traffic forecasting
BUSE DİLAN USLAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- DNS big data processing for detecting customersbehaviour of isp using an optimized apache spark cluster
İSP müşterilerin davranışlarını tespiti için optimize edilmiş bir apache spark kümesi kullanarak dns büyük veri işleme
YOUSEF ALKHANAFSEH
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHİR ÇETİN AKINCI
- Advanced waveform designs for 5G and 6G
5G ve 6G için gelişmiş dalga formu tasarımları
EBUBEKİR MEMİŞOĞLU
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Fiber Sistemler Ana Bilim Dalı
PROF. DR. HÜSEYİN ARSLAN
- RPL tabanlı lot ağlarında saldırı tespiti ve sınıflandırılması
Attack detection and classification in RPL-based iot networks
AHMET NAİL TAŞTAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Gelişim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN GÖNEN
DR. ÖĞR. ÜYESİ GÖKÇE KARACAYILMAZ
- System design for internet of things and network coding applications in the wireless personal area networks
Nesnelerin interneti için sistem tasarımı ve kablosuz kişisel alan ağlarında ağ kodlama uygulamaları
GÖRKEM ÖZVURAL
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNEŞ KARABULUT KURT