Geri Dön

A new framework for 5G IoTs network traffic classification

Başlık çevirisi mevcut değil.

  1. Tez No: 825979
  2. Yazar: SARMAD AL-JAWASHEE
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Bilgi teknolojilerindeki hızlı gelişmeler ve internet kullanımının yaygınlaşması sonucunda bilgisayar ağlarının ve sunucularının güvenliğinin sağlanması kurumlar için önemli bir konu haline gelmiştir. özellikle akıllı bir ortam sağlayan kampüs ağları; Öğretim, araştırma ve yönetimde önemli bir rol oynar. Üniversiteler, kampüs ağlarını daha güvenli ve istikrarlı hale getirmek için büyük bütçeler ayırıyor ve önemli yatırımlar yapıyor. Bu anlamda satın alınan güvenlik cihazları, kurum içi ağ güvenlik korumasını ve kontrolünü göz ardı ederek, genellikle kurum dışından gelecek saldırıları önlemek için kullanılır. Bu nedenle, ağ güvenliğini tam olarak sağlayacak entegre bir güvenlik sistemi kurmak gerekir. Bu yazıda, bilgisayar ağ trafiği sınıflandırması için optimize edilmiş derin seyrek AutoEncoders ve ML tabanlı yeni bir yöntem önerilmiştir. AutoEncoder'lar, giriş verilerinden üst düzey özellikleri çıkardı ve çıkarılan özellikleri ML'ye bağladı. Nitelikleri iki sınıfa (normal ve anormal) sınıflandırmak için makine öğrenimi uygulandı. Önerilen sistem, bazı çalışmalara kıyasla (%94 ila %99,9) arasında bir doğrulukla sonuçlar gösterdi. Ek olarak, bu makale, öncelikle tüm özellikleriyle birlikte önerilen sistemi göz önünde bulundurarak üç tür veri kümesini (UNSW-NB, NSL-KDD ve CIC-ID) ele almaktadır. Ardından, özniteliklerin boyutunu azaltmak için Otomatik Kodlayıcıları uyguladıktan sonra, önerilen algoritma doğruluğunu göstermek için makine öğrenimi performanslarının ölçümleri hesaplanır.

Özet (Çeviri)

As a result of the rapid developments in information technologies and the widespread use of the internet, ensuring the security of computer networks and servers has become an important issue for institutions. campus networks that provide a particularly intelligent environment; It plays an important role in teaching, research and administration. Universities allocate huge budgets and make significant investments to make campus networks more secure and stable. Security devices purchased in this sense are often used to prevent attacks from outside the enterprise, ignoring internal network security protection and control. Therefore, it is necessary to install an integrated security system that will fully ensure network security. In this paper, a new method has been proposed based deep sparse AutoEncoders and ML optimized for computer network traffic classification. The AutoEncoders extracted high level features from input data and wired the extracted features to the ML. ML has been applied to classify the attributes into two classes (normal and abnormal). The proposed system showed results with an accuracy between (94% to 99.9%) compared to some studies. In addition, this paper deal with three types of datasets (UNSW-NB, NSL-KDD and CIC-ID) considering first the proposed system with all features. Then after applying the AutoEncoders to reduce the dimension of attributes, measurements of ML performances are calculated to demonstrate the proposed algorithm accuracy.

Benzer Tezler

  1. Managed video services over software defined networks

    Yazılım tanımlı ağlar üzerinden yönetimli video servisleri

    KADİR TOLGA BAĞCI

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET MURAT TEKALP

  2. Çok boyutlu uzayda görsel veri madenciliği için üç yeni çatı tasarımı ve uygulamaları

    Three new frameworks for the design and application of visual data mining in high dimensional space

    TURGAY TUGAY BİLGİN

    Doktora

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF.DR. ALİ YILMAZ ÇAMURCU

  3. Array processing and optimization techniques of beamforming and resource allocation for enhanced spectral efficiency in 5g and beyond systems

    5g ve ötesı sıstemlerının hüzmeleme ve spektral verımlılığının vektör íşleme ve optımızasyon ıle gerçekleştırılmesı

    NANN WIN MOE THET NANN WIN MOE THET

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    Assoc. Prof. Dr. MEHMET KEMAL ÖZDEMİR

  4. Developing novel radio resource management techniques for 5G and beyond

    5G ve sonrası için özgün radyo kaynak yönetimi tekniklerinin geliştirilmesi

    AHMET YAZAR

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN ARSLAN

  5. UAV-enabled wireless-powered IoT wireless sensor networks

    IHA-etkin kablosuz-enerjili IoT kablosuz sensör ağları

    AMIN FARAJZADEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektronik Mühendisliği Bilim Dalı

    PROF. DR. ÖZGÜR ERÇETİN