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
- Tez No: 820030
- Danışmanlar: PROF. DR. MURAT YÜCEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Politik karar alma sürecinde oylama gücü ve makroekonomik göstergeler üzerindeki etkisi
Voting power in political decision making process and its impact on macroeconomic indicators
CEYHUN HAYDAROĞLU
- Dağıtık üretim güç sistemlerinde geliştirilmiş oylama modeli tabanlı arıza tespiti ve sınıflandırması
Improved voting model based fault detection and classification in distributed generation power systems
FEVZEDDİN ÜLKER
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET KÜÇÜKER
- Smart detection of brain tumors using deep learning and model voting
Derin öğrenme ve model oylaması kullanarak akıllı beyin tümörü tespiti
BASSAM JABADO
Yüksek Lisans
İngilizce
2025
İstinye ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED DAVUD
- A Comparison of different approaches to target differentiation with sonar
Sonarlı hedef ayırdetmede farklı yöntemlerin karşılaştırılması
BİRSEL AYRULU ERDEM
Doktora
İngilizce
2001
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİLLUR BARSHAN
- Brexit sürecinin Birleşik Krallık'ın uluslararası ticareti üzerindeki etkileri
Effects of the Brexit process on the United Kingdom's international trade
ENES AYAN
Yüksek Lisans
Türkçe
2023
EkonomiBursa Teknik ÜniversitesiUluslararası Ekonomi Politikası Ana Bilim Dalı
DOÇ. DR. AYBERK ŞEKER