Designing a smart security framework for software defined networks

Yazılım tanımlı ağlar için akıllı güvenlik çerçevesinin tasarlanması

PDF İndir

Tez No: 825027
Yazar: HANİ ELUBEYD
Danışmanlar: DOÇ. DR. DERYA YILTAŞ KAPLAN
Tez Türü: Doktora
Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2023
Dil: İngilizce
Üniversite: İstanbul Üniversitesi-Cerrahpaşa
Enstitü: Lisansüstü Eğitim Enstitüsü
Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
Bilim Dalı: Belirtilmemiş.
Sayfa Sayısı: 103

Özet

Ağ yönetimi alanında, Yazılım Tanımlı Ağlar (YTA'lar) merkezi bir mekanizma aracılığıyla benzersiz uyarlama sağlayarak dönüşümsel bir ilerlemeyi temsil ederler. Ancak bu merkezileştirme aynı zamanda, öncelikle Hizmet Reddi (DoS) ve Dağıtık DoS (DDoS) atakları olmak üzere çeşitli tehditlerle birlikte hassaslığı arttırmaktadır. Bu artan güvenlik sıkıntılarına cevap olarak bu doktora çalışması, gelişmiş makine öğrenmesi ve derin öğrenme paradigmalarıyla desteklenmiş olan bir akıllı güvenlik çerçevesi oluşturmak için hazırlanmıştır. Bu bilimsel araştırmanın temeli, Kapsül Ağın ve Evrişimli Sinir Ağı (CNN)-Geçitli Tekrarlayan Birim (GRU)-Derin Sinir Ağı (DNN) olarak adlandırılan bir özel hibrit derin öğrenme modelinin entegrasyonuna uzanmaktadır. Bu metodolojilerin hesaplama metrikleri iki veri kümesine dayanmaktadır: bilinen CICDDoS2019 ve YTA trafik dinamikleriyle uyumlu ve amaca göre türetilmiş olan bir veri kümesi. Başlangıçtaki bulgular Kapsül Ağın etkili olmayan katkısını ortaya çıkarmıştır. Öncelikli olarak imaj merkezli veri kümeleri için optimize edilmiş olan asıl Kapsül Ağ mimarisinin, YTA veri kümelerinin doğasına uygun olmayabileceği burada kabul edilir bir açıklama olarak gösterilebilir. Bunun tersine, hibrit derin öğrenme yöntemi DoS ve DDoS karşıtı faaliyetler karşısında etkinlik sağlayarak önemli bir doğruluk göstermektedir. YTA'ların karşısına çıkan komplike tehditlerin güçlü farkındalığıyla birlikte bu araştırma, ağ ihlallerinin oldukça geniş çerçevesini içermek için kapsamını derinleştirmiştir. Bu nedenle yeni çok kipli bir derin transfer öğrenimi paradigması örnek olarak oluşturulmuştur. Bu metodolojinin güvenilirliğini kuvvetlendirmek için alanında temel addedilen bir veri seti olan CICIDS2017 dâhil edilmiştir. Bu öncü metodoloji, en düşük kayıp metriklerini desteklerken aynı zamanda eğitim seti üzerinde %99.97 ve doğrulama kümesi üzerinde %99.99 oranlarındaki yüksek doğruluk seviyelerini başararak zirveye ulaşmıştır. Özetle bu tez, hibrit derin öğrenme ve çok kipli derin transfer öğrenme paradigmalarının ikisini de birleştirerek YTA güvenliğini güçlendirme yönünde bütünleştirici bir tuzak önermektedir. Bu çalışma sadece sonraki araştırmalar için yolu aydınlatmayacak, aynı zamanda bilim çevrelerinde ve daha geniş endüstriyel ortamlarda ciddi bir etki oluşturacaktır.

Özet (Çeviri)

Within the domain of network management, Software Defined Networks (SDNs) represent a transformative advancement, providing unparalleled adaptability through a centralized mechanism. Nevertheless, this centralization concomitantly augments susceptibility, with attacks like Denial-of-Service (DoS) and Distributed DoS (DDoS) attacks taking precedence. In response to these escalating security predicaments, this doctoral study was initiated to formulate an astute security framework underpinned by sophisticated machine learning and deep learning paradigms. A cornerstone of this scholarly investigation entailed the integration of the Capsule Network and a proprietary hybrid deep learning model, denominated as Convolutional Neural Network (CNN) -Gated Recurrent Unit (GRU) -Deep Neural Network (DNN). The evaluation metrics for these methodologies hinged on two datasets: the recognized CICDDoS2019 and a purpose-crafted dataset congruent with SDN traffic dynamics. Initial observations divulged an underwhelming efficacy of the Capsule Network. One postulated rationale posits that the inherent architecture of Capsule Networks, optimized primarily for image-centric datasets, might be incongruent with the nature of SDN datasets. In stark contrast, the hybrid deep learning modus operandi manifested substantial precision, with pronounced effectiveness against DoS and DDoS adversarial activities. With an acute awareness of the multifaceted attacks confronting SDNs, this research extended its purview to encompass a more exhaustive range of network infractions. Consequently, an avant-garde Multi-modal deep transfer learning paradigm was instantiated. Reinforcing the credibility of this methodology, the esteemed Intrusion Detection Evaluation Dataset (CICIDS2017) dataset, heralded as a benchmark in the realm, was incorporated. This pioneering methodology culminated in achieving a laudable 99.97% accuracy on the training set and an exemplary 99.99% on the validation set, while sustaining minimal loss metrics. To encapsulate, this treatise proffers an integrative stratagem towards fortifying SDN security, amalgamating both hybrid deep learning and multi-modal deep transfer learning paradigms. This endeavor not only elucidates pathways for ensuing investigations but also resonates profoundly within scholarly circles and the wider industrial milieu.

Benzer Tezler

Tez No
381876
Dolgu barajların güvenliğinde risk analizi : Atatürk Barajı örneği
Risk analysis on the fill dam safety : Ataturk Dam case study
İSMAİL CAN ULUSOY
Yüksek Lisans
Türkçe
2015
İnşaat Mühendisliği İstanbul Teknik Üniversitesi
İnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. NECATİ AĞIRALİOĞLU
Tez No
748156
Designing an enhanced user authenticated key management scheme for 6G-based industrial applications
6G tabanlı endüstriyel uygulamalar için gelişmiş kullanıcı doğrulamalı anahtar yönetim planı tasarlama
IJAZ UL HAQ DARMAN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliği İstanbul Gelişim Üniversitesi
Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSARIA KARIM MAHMOOD MAHMOOD
Tez No
557543
Coğrafı̇ bı̇lgı̇ teknolojı̇lerı̇ ı̇le akıllı şehı̇r tasarımı
Designing geographic information system framework for smart cities
ABDULLAH SAİD TÜRKSEVER
Yüksek Lisans
Türkçe
2019
Jeodezi ve Fotogrametri İstanbul Teknik Üniversitesi
Geomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU
Tez No
488063
Mekanların konumsal veri ile harita üzerinde ve artırılmış gerçeklik kullanılarak üç boyutta gösterilmesi uygulaması örneği Tour İstanbul
Presenting special places through spatial data on maps and three dimensional space using augmented reality application sample Tour Istanbul
ERSEL BORA
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol İstanbul Teknik Üniversitesi
Bilişim Uygulamaları Ana Bilim Dalı
PROF. DR. HAYRİ HAKAN DENLİ
Tez No
722191
Akıllı hareketlilik ve engelsiz erişimde yön bulma teknolojileri: Bir veri modeli önerisi
Wayfinding in smart mobility and barrier-free access: A data model proposal
ÇİĞDEM AKDEMİR
Yüksek Lisans
Türkçe
2022
Şehircilik ve Bölge Planlama İstanbul Teknik Üniversitesi
Kentsel Tasarım Ana Bilim Dalı
PROF. DR. HATİCE AYATAÇ

Geri Dön