Geri Dön

Çoğunluk oylama yaklaşımıyla özellik seçimi yaparak nesnelerin internetinde (IOT) saldırı tespitinin gerçekleştirilmesi

Performing intrusion detection in internet of things (IOT) by feature selection with majority voting approach

  1. Tez No: 820030
  2. Yazar: HUSSEIN SHEET AHMED AHMED
  3. Danışmanlar: PROF. DR. MURAT YÜCEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 72

Özet

Nesnelerin İnterneti (IoT), büyük ve akıllı bir iletişim ağıdır. IoT ağındaki trafik hacmi çok yüksektir ve iletişim kurmak için akıllı bir anahtarlama ağına ihtiyaç vardır. Yazılım odaklı ağ, IoT ağındaki verileri değiştirmek için pratik bir teknolojidir. Yazılım tabanlı ağda (SDN), ağ anahtarlarının programlanmasından denetleyiciler sorumludur. Yazılım tabanlı ağ uygulamalarından biri, bağlı anahtarlardaki ağ trafiğinin analizidir. Yazılım tabanlı ağdaki her anahtar, aynı zamanda bir saldırı tespit sistemi rolü oynayabilir ve ağ trafiğini analiz edebilir. Yazılım tabanlı ağ saldırı tespit sistemlerinin zorluğu, ağ trafiğindeki anormallikleri tespit etmek için ağ trafiğinin tüm özelliklerini kullanmaktır. Anahtarlarda veya yazılım tabanlı ağ denetleyicilerinde akıllı özelliklerin seçilmemesi, saldırı tespitinin doğruluğunu ve hızını azaltır. Bu makalede, üç grup zeka algoritmasına sahip yazılım tabanlı bir ağda akıllı bir saldırı tespit sistemi sunulmaktadır. Önerilen sistemde kontrolörler özellikleri seçmek için Harris Hawks Optimizasyon (HHO) Algoritmasını, Jellyfish Search Optimizer (JSO) Algoritmasını ve Balina Optimizasyon Algoritmasını (WOA) kullanmaktadır. Önerilen yöntemde çoğunluk oylamasıyla bir özellik belirlenir ve üç yöntemden en az ikisi bir özellik seçerse istenen özellik seçilir. Yazılım ağ anahtarları, ağ seçimi özelliklerine dayalı olarak ağ trafiğinin boyutlarını azaltır ve ağ trafiğini sınıflandırmak için çok katmanlı sinir ağı kullanır. Önerilen yöntemin NSL-KDD izinsiz giriş tespit veri seti kullanılarak yapılan analizine göre, önerilen yöntemin doğruluğu, duyarlılığı ve özgüllüğü sırasıyla %99,67, %99,54 ve %99,41'e eşittir. Ağa yapılan saldırıları tespit etmede önerilen yöntem, IoT ağına yapılan saldırıları tespit etmede HHO, WOA ve JSO yöntemlerinden daha isabetlidir.

Özet (Çeviri)

The Internet of Things (IoT) is a large and intelligent communication network. The volume of traffic in the IoT network is very high and an intelligent switching network is needed to establish communication. Software-oriented network is a practical technology for switching data in the IoT network. In the software-based network (SDN), the controllers are responsible for programming the network switches. One of the applications of software-based networking is the analysis of network traffic in connected switches. Each switch in the software-based network can also play the role of an intrusion detection system and analyze network traffic. The challenge of software-based network intrusion detection systems is to use all characteristics of network traffic to detect anomalies in network traffic. Failure to choose intelligent features in switches or software-based network controllers, reduces the accuracy and speed of attack detection. In this article, an intelligent intrusion detection system in a software-based network with three group intelligence algorithms is presented. In the proposed system, the controllers use the Harris Hawks Optimization (HHO) Algorithm, the Jellyfish Search Optimizer (JSO) Algorithm and the Whale Optimization Algorithm (WOA) to select the features. In the proposed method, a feature is determined by majority voting and if at least two of the three methods select a feature, then the desired feature is selected. Software network switches reduce the dimensions of network traffic based on network selection characteristics and use multi-layer neural network to classify network traffic. The accuracy, sensitivity, and specificity of the suggested method are equal to 99.67%, 99.54%, and 99.41%, respectively, according to the analysis of the proposed method using the NSL-KDD intrusion detection dataset. The proposed method in detecting attacks on the network is more accurate than HHO, WOA and JSO methods in detecting attacks on the IoT network.

Benzer Tezler

  1. Parkinson hastalıkları verilerinin makine öğrenmesi yöntemleriyle araştırılması

    Analyzing Parkinson's diseases data by machine learning methods

    FATİH AYDIN

    Doktora

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAFER ASLAN

  2. Yapay sinir ağlarına dayalı uçak algılayıcı arızası tespiti ve sistemin yeniden yapılandırılması

    Aircraft sensor fault detection and system reconstruction based on artificial neural networks

    UĞUR KILIÇ

    Doktora

    Türkçe

    Türkçe

    2021

    Havacılık MühendisliğiEskişehir Teknik Üniversitesi

    Havacılık Elektrik ve Elektroniği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLAY ÜNAL

  3. Görüntü işleme ve derin öğrenme yöntemleri kullanılarak ankilozan spondilit erken teşhisine yönelik karar destek sisteminin geliştirilmesi

    Development of decision support system for early detebtion of ankylosing spondylitis using image processing and deep learning methods

    EMRE ÇANAYAZ

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ

    PROF. DR. ALPARSLAN ÜNSAL

  4. Akademik makalelerde anahtar kelime çıkarımı için yeni yaklaşımlar

    New approaches for keyword extraction in academic articles

    FURKAN GÖZ

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALEV MUTLU

  5. Heuristic based trading system on Forex data using technical indicator rules

    Forex verisi üzerinde teknik gösterge kurallarına dayalı keşifsel yöntem tabanlı alım-satım sistemi

    MURAT ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL HAKKI TOROSLU

    DR. GÜVEN FİDAN