Predicting of distributed denial of service using machine learning algorithms
Başlık çevirisi mevcut değil.
- Tez No: 825981
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Saldırı tespit sistemleri olan IDS, yanlış yönetim tespitleri ve anormallik tespiti olmak üzere iki gruba ayrılır. DDoS (Dağıtılmış Hizmet Reddi) saldırıları, en popüler siber saldırı türleri arasındadır. Doss saldırısı ilk olarak 1999'da ortaya çıktı ve o zamandan beri oldukça ölümcül olduğunu kanıtladı. Bir Radar anketine göre, dos saldırıları işletmeler için en ciddi tehditlerden biri olarak kabul ediliyor. Sonuç olarak, en gerekli korumayı hızlı bir şekilde belirleyebilir. Gerçekleşebilecek saldırı türünü tahmin etmek için ağ trafiğinden öğrenen bir model oluşturduk. Saldırılara karşı önlem alınması, kullanıcı kimliğini zorunlu kılmanın en önemli sebep ve gerekçelerinden biridir. Bu tür bir savunma, genellikle bir saldırganın yetkili kullanıcıların bilgilere erişmesini engelleme çabası olarak görülen siber saldırıların en bilinen türlerinden biri olan Hizmet Reddi (DoS) saldırısına karşı özellikle etkilidir. veya yetkili kullanıcılara erişimi reddetme girişimi olarak tanımlanan bir sağlayıcının hizmetleri. Makine öğrenimi, sunumu ilerletmek için öğrenmeyi kullanan ilk teknolojidir ve sistemi, geri bildirim bilgilerini birleştiren ve takviyeli öğrenme ilkesine dayanan bir daire şeklinde inşa edilmiştir. Veri toplamak, sentezlemek ve sınıflandırmak için bir dizi farklı yaklaşım kullanmaları nedeniyle, makine öğrenimi teknolojileri dos saldırılarını tanımada faydalıdır. K-means, SVM, Naive Bayesian ve Karar Ağacı, algoritma örnekleridir.
Özet (Çeviri)
IDS which is the Intrusion detections systems are classified into two groups: mismanagement detections and anomaly detection. DDoS (Distributed Denial of Service) attacks are among the most popular kind of cyber-attacks. The Doss attack initially surfaced in 1999 and has proved to be quite deadly since then. According to a Radar poll, doss assaults are considered to be one of the most serious threats to businesses. As a consequence, it is able to identify the most necessary protection rapidly. We've created a model that learns from network traffic in order to forecast the kind of assault that could occur. Prevention against attacks is one of the most important reasons and justifications for requiring user identity. This kind of defense is particularly effective against the so-called Denial of Service (DoS) assault, which is one of the most well-known types of cyberattacked attacks are generally seen as an effort by an attacker to prevent authorized users from accessing the information or services of a provider, which is defined as any attempt to deny access to authorized users. ML is the first technology to utilize learning to progress presentation, and its system is constructed in the shape of a circle, which combines feedback information and is based on the principle of reinforcement learning. Due to the fact that they use a number of different approaches to collect data, synthesize it, and classify it, machine learning technologies are beneficial in recognizing doss assaults. K-means, SVM, Naive Bayesian, and Decision Tree are all examples of algorithms.
Benzer Tezler
- Cyber tools as foreign policy instruments in trilateral relations: Analysing cyber-attacks targeting the United Kingdom
Üçlü ilişkilerde dış politika aracı olarak siber araçlar: Birleşik Krallık'ı hedef alan siber saldırıların analizi
ATAKAN YILMAZ
Doktora
İngilizce
2024
Siyasal BilimlerGalatasaray ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
DOÇ. DR. MENENT SAVAŞ CAZALA
- Predictive modeling for botnet detection: A new dataset and machine learning approach
Botnet tespiti için tahmin modeli: Yeni bir veri seti ve makine öğrenme yaklaşımı
KADİR İLKER BUDAK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE NURDAN SARAN
- Ddos prediction and mitigation in sdn using artificial neural networks and BMNABC algorithm
Yapay sinir ağları ve BMN-ABC algoritmaları kullanılarak yazılım tabanlı ağlarda ddos saldırılarının tahmini ve azaltılması
ESAM ATEEYAH
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAT ŞEKER
- Resolving security and low mobility issues in mobile AD-HOC networks
Başlık çevirisi yok
AMMAR ABDULRAHMAN M.SAEED
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Digital twin-enabled intelligent attack detection mechanisms for autonomous networks
Otonom ağlar için dijital ikiz destekli akıllı saldırı tespit mekanizmaları
YAĞMUR YİĞİT
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BERK CANBERK