Sistem loglarından anomali tespiti için makine öğrenimine dayalı algoritmaların geliştirilmesi
Development of machine learning based algorithms for anomaly detection from system logs
- Tez No: 816246
- Danışmanlar: DR. ÖĞR. ÜYESİ EYÜP ÇİNAR
- 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: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Robotik Bilim Dalı
- Sayfa Sayısı: 99
Özet
Günümüzde bilgisayar sistemlerinin hayatımızın her anına etki etmesiyle sürdürülebilirliğinin ve güvenliğinin sağlanması büyük önem kazanmıştır. Bunu sağlamak için sistemlerin ürettiği günlüklerden yararlanabiliriz. Günlüklerdeki anomaliler tespit edilerek gereken önlemler alınabilir. Sistem günlükleri çoğunlukla büyük hacimlidirler. Manuel olarak günlük dosyalarının incelenmesi zaman alacaktır ve alınması gereken önlemlerin gecikmesine neden olabilirler. Günlüklerin toplanması, analiz edilmesi ve anomalilerin tespiti ile ilgili birçok çalışma yapılmıştır. Bu çalışmada literatürde çok sık kullanılan HDFS ve BGL veri kümeleri üzerinde GNN kullanarak anomali tespiti çalışması yapılmıştır. Bunun yanında literatürdeki çalışmalarda aynı veri kümeleri ile elde edilen diğer makine öğrenme (ML) teknikleri ile elde edilen performanslar karşılaştırılmıştır. HDFS veri kümesi için 0,9969 F-skoru ve BGL veri kümesi için 0,9999 F-skoru sonuçları elde edilmiştir. Çalışmamızın LogGD çalışmasındaki sonuçlara göre daha başarılı olduğu gözlemlenmiştir. GNN'ler sistem günlüklerindeki bağlamsal özellikleri düğümler aracılığı ile daha iyi yakalayarak sınıflandırmada diğer modellere göre daha kararlıdırlar.
Özet (Çeviri)
Today, with computer systems affecting every moment of our lives, ensuring their sustainability and security has gained great importance. To ensure this, we can benefit from the logs produced by the systems. Anomalies in the logs can be detected and necessary measures can be taken. System logs are often large in volume. Manually examining log files will take time and may delay the measures that need to be taken. There have been many studies on collecting and analyzing logs and detecting anomalies. In this study, anomaly detection using GNN was performed on HDFS and BGL datasets, which are frequently used in the literature. In addition, the performances obtained with other machine learning (ML) techniques obtained with the same datasets in the studies in the literature were compared. Results for an F-score of 0.9969 for the HDFS dataset and an F-score of 0.9999 for the BGL dataset were obtained. It has been observed that our study was more successful compared to the results of the LogGD study. GNNs are more stable in classification than other models by better capturing contextual features in system logs through nodes.
Benzer Tezler
- Scalable analysis of large-scale system logs for anomaly detection
Başlık çevirisi yok
MERVE ASTEKİN
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. HASAN SÖZER
- Anomaly-based cyber intrusion detection system with ensemble classifier
Topluluk öğrenmesiyle anomali tabanlı siber ihlal tespit sistemi
ALPER SARIKAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. BANU GÜNEL KILIÇ
- Microservice interaction prediction and anomaly detection in communcation platform as a service
Hizmet olarak iletişim platformunda mikroservis etkileşim tahmini ve anomali tespiti
KEMAL AKTAŞ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NAFİZ ARICA
- Dikili-Kaynarca (İzmir)civarı jeotermal sahasının kuyu verileri ile rezervuar potansiyelinin araştırılması
The study of geothermal potential of Dikili-Kaynarca (İzmir) region by using well datas
DÜZGÜN ESİNA
Yüksek Lisans
Türkçe
2014
Jeoloji MühendisliğiAnkara ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURHAN AYYILDIZ
- Facilitating english as a foreign language learners' vocabulary learning, task completion and contextual vocabulary exploration processes in a mobile supported situated learning environment
İngilizceyi yabancı dil olarak öğrenenlerin kelime öğrenmelerinin, görev tamamlamalarının ve bağlamsal kelime araştırma süreçlerinin bir mobil destekli durumlu öğrenme ortamında desteklenmesi
ÇİĞDEM UZ BİLGİN
Doktora
İngilizce
2016
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. SANİYE TUĞBA TOKEL
YRD. DOÇ. DR. ŞENÖM TUĞBA YALÇIN