A new framework for 5G IoTs network traffic classification
Başlık çevirisi mevcut değil.
- Tez No: 825979
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- AI-enhanced dynamic preemptive resource allocation in next generation cellular networks
Yeni nesil hücresel ağlarda yapay zeka destekli dinamik öncelikli kaynak tahsisi
EGE ENGİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Quality of service (QoS) aware flow analysis in software defined networks
Yazılım tanımlı ağlarda servis kalitesinden haberdar akış analizi
KÜBRA AYVAZ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK
- Karıştırma saldırılarında OFDM-IM tekniğinin performansı
Performance of OFDM-IM Under jamming attacks
AHMET KAPLAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
- Non-orthogonal multiple access techniques for satellite networks
Uydu ağları için dik olmayan çoklu erişim teknikleri
MEHMET CAN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
- Enhanced unmanned aerial vehicle communication optimization in healthcare 5.0 via blockchain and 5G
Sağlık hizmetleri 5.0 için 5G ve blockchain tabanlı insansız hava araçlarından her şeye haberleşmenin gelişmiş optimizasyonu
ÖZLEM SABUNCU
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiYakın Doğu ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BİLGEHAN