Robust idss design for IoT based on smart algorithms
Akilli algoritmalara dayali nesnelerin interneti için dayanikli İdS tasarimi
- Tez No: 812128
- Danışmanlar: PROF. DR. SEZGİN AYDIN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Aksaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Genel olarak Nesnelerin İnterneti'nin (IoT'ler) ve özellikle Hareketli Nesnelerin İnterneti'nin (IoMT'ler) güvenlik açıkları, araştırmacıları davetsiz misafirlere ve saldırılara karşı güvenlik sistemleriyle donatmaya motive eder. IoMT'ler için anormallik tespitinin izinsiz giriş tespiti ile entegrasyonu yeterince ele alınmamıştır. Bu çalışma, anormallik tespiti için bir Kalman ve Cauchy kümelemesi oluşturarak ve bunu Extreme Learning Machine (ELM) sınıflandırıcısını kullanarak IoMT'ler içindeki kimlik doğrulama düğümleri için kullanarak bu sorunu ele almaktadır. Algoritma, çeşitli bileşenlerden oluşur. Bunlardan ilki, WiFi'yi IMU verileriyle birleştirmeye dayalı bir kapalı ortam içindeki yayaların yörüngesini tahmin etmek için Kalman filtresi tabanlı model, ikincisi Kalman filtresini kullanarak tahmini yörüngeye dayalı olarak IoMT'deki anormallik davranışını tespit etmek için güvenilirlik değerlendirmesi, üçüncüsü de, bir Online Sequential Extreme öğrenme makinesi (OSELM) kullanarak saldırıların tanımlanması için anormallik algılamayı çevrimiçi öğrenme ile entegre ederek IoMT sistemleri için IDS modelidir. OSELM algoritması, WiFi parmak izi için TamperU veri seti ve izinsiz giriş tespiti için KDD99 kullanılarak uygulanmış ve değerlendirilmiştir. Ayrıca, izinsiz giriş tespiti ve anormallik tespiti için karşılaştırma ölçütleri ile yapılan bir karşılaştırma, önerilen tüm sınıflandırma ölçütleri açısından önerilen yaklaşımın üstünlüğünü kanıtlamaktadır. Geliştirilen algoritma, anormallik tespiti için mevcut iki modelle, yani gelişen veri akışı için bir çok yoğunluklu kümeleme algoritması (MUDI) ve gelişen veri akışlarının rastgele şekillendirilmiş kümeler halinde tamamen çevrimiçi kümelenmesi (CEDAS) ile karşılaştırıldı. Sonuçlar, bu çalışmada geliştirilen algoritmanın, kullanılan anormalliklerin farklı yüzdeleri, farklı sayıda yaya sayısı ve farklı ortalama yaya hızlarını içeren üç farklı senaryo altında anormallik ve izinsiz giriş tespiti açısından üstünlüğünü kanıtlamıştır.
Özet (Çeviri)
The vulnerabilities of the Internet of Things (IoTs) in general and the Internet of Mobility Things (IoMTs) in particular motivate researchers to equip them with security systems against intruders and attacks. The integration of anomaly detection with intrusion detection for IoMTs has not been addressed adequately. This study tackles this issue through building a Kalman and Cauchy clustering for anomaly detection and using it for authentication nodes within IoMTs using the Extreme Learning Machine (ELM) classifier. The algorithm is composed of various components; firstly, the Kalman filter-based model for estimating the trajectory of pedestrians within an indoor environment based on fusing WiFi with IMU data. Secondly, trustworthiness assessment for detecting anomaly behaviour in IoMT based on the estimated trajectory using the Kalman filter. Thirdly, the trust IDS model for IoMT systems by integrating anomaly detection with online learning for attacks identification using an Online Sequential Extreme learning machine(OSELM). The OSELM algorithm has been implemented and evaluated using TamperU dataset for WiFi fingerprinting and KDD99 for intrusion detection. Furthermore, a comparison with benchmarks for intrusion detection and anomaly detection proves the superiority of the proposed approach in terms of all the considered classification metrics. The developed algorithm was compared with two existing models for anomaly detection, namely, a multi-density clustering algorithm for evolving data stream (MUDI) and fully online clustering of evolving data streams into arbitrarily shaped clusters (CEDAS). The results proved the superiority of the developed algorithm in this work in terms of anomaly and intrusion detection under three different scenarios that include different percentages of added anomalies, different numbers of pedestrians, and different average speeds of pedestrians.
Benzer Tezler
- Nöromorfik hesaplama ve memristor tabanlı ağ saldırı tespit sistemleri: Siber güvenlikte yeni yaklaşımlar
Neuromorphic computing and memristor-based network attack detection systems: New approaches in cyber security
YUSUF ETKA KÖYLÜ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN
- Develop a robust computer network architecture that is resistant to unauthorized access by using machine learning methodologies
Makine öğrenme metodolojilerini kullanarak yetkisiz erişime dayanıklı, sağlam bir bilgisayar ağ mimarisi geliştirin
AYA AHMED TAWFEEQ TAWFEEQ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ Abdullahi Abdu IBRAHIM
- A combined wavelet and autoregressive based statistical intrusion detection system `the wavelet-AR IDS'
Birleştirilmiş dalgacık ve özbağlanım temelli statistiksel saldırı tespit sistemi `dalgacık-özbağlanım saldırı tespit sistemi'
UMUT GÜVEN
Yüksek Lisans
İngilizce
2007
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF.DR. EMİN ANARIM
- A robust machine learning based ids design against adversarial attacks in sdn
Yazılım tanımlı ağda yanıltıcı saldırılara karşı makine öğrenimi tabanlı dirençli bir saldırı tespit sistemi tasarımı
ALPER SARIKAYA
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. BANU GÜNEL KILIÇ
DOÇ. DR. MEHMET DEMİRCİ
- Bilgisayar ağlarında yeni geliştirilen teknolojiler ile kablosuz ağlarda zafiyet taraması ve saldırı önleme yöntemlerinin incelenmesi
Investigation of vulnerability scanning and attack prevention methods in wireless networks with newly developed technologies
BERAT POLAT
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaramanoğlu Mehmetbey ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞUR ERKAN