Network traffic classification using machine learning or deep learning or data mining
Başlık çevirisi mevcut değil.
- Tez No: 826439
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kötü amaçlı yazılım, bilgisayarlara sızmak ve zarar vermek için kodlanmış yazılımların genel adıdır. bilgisayar kullanıcılarının bilgisi olmadan. Yetkisiz erişim sağlamak için yerleştirilmiştir. bilgi ağları ve kullanıcılarının iradesi dışında farklı amaçlar için kullanılmamaktadır. İçinde Zararlı yazılımların bulunduğu ülkeler açısından, Uzak Doğu ülkeleri açısından daha yoğundur. miktar iken bu oran Avrupa ülkelerinde nispeten daha azdır. sebep olduğunu söyleyebiliriz çünkü bu yasal altyapının oluşturulması ve önlemenin uygulanmasıdır. daha yoğun bir şekilde çalışmaktadır. Zararlı yazılımların bilgisayarlara bulaşma oranlarının yüksek olduğunu söylemek mümkündür. Türkiye ve Tayvan'da özellikle Çin'de daha yüksektir. Bu çalışmada, bilgisayar ağındaki verileri sınıflara ayırmak için uygulanan yeni bir yöntem normal ve anormal. Eğitmek için kullanılan önerilen yöntem tabanlı genetik algoritma SVM ve %99,64 doğruluk sundu.
Özet (Çeviri)
Malware is the general name of software that is coded to infiltrate and damage computers without the knowledge of computer users. It is placed to provide unauthorized access to information networks and to be used for different purposes against the will of its users. In terms of countries where malware is found, Far East countries are more dense in terms of quantity, while this rate is relatively less in European countries. We can say that the reason for this is the establishment of the legal infrastructure and the implementation of prevention studies more intensively. It is possible to say that the rates of malware infecting computers are higher in Turkey and Taiwan, especially in China. In this study, new method applied to classify the data in computer network to the classes normal and abnormal. The proposed method based genetic algorithm which are used to train the SVM and presented 99.64% accuracy.
Benzer Tezler
- Güvenlik duvarı loglarının makine ve derin öğrenme ile sınıflandırılması ve açıklanabilir yapay zeka ile yorumlanması
Classification of firewall logs using machine and deep learning and interpretation with explainable artificial intellgence
FATMİR GARRİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEM ÖZKURT
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Machine learning based network anomaly detection
Makine öğrenmesi tabanlı ağ anomali tespiti
HİLAL HACILAR
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU GÜNGÖR
PROF. DR. VEHBİ ÇAĞRI GÜNGÖR
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Improving lane change decisions in autonomous driving using adversarial learning
Otonom sürüşte şerit değiştirme kararlarının karşıt öğrenme yöntemiyle iyileştirilmesi
AYTUĞ ONURHAN EFİL
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN