Machine learning for network anomaly detection
Başlık çevirisi mevcut değil.
- Tez No: 826496
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
- 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: 65
Özet
Önceki yıllarda Nesnelerin İnterneti (IoT), birçok alanda yaygın olarak uygulanmasından ve son zamanlarda Nesnelerin İnterneti cihazlarının örneğin sağlık, tarım, endüstri vb. Nesnelerin İnterneti ile yapay zekaya entegre dikkat ayırır ve Nesnelerin İnterneti ağlarıyla ilgili olarak otonom ve insan müdahalesi olmadan toplamayı, işlemeyi ve karar vermeyi amaçlayan Yapay Zeka (AIOT) teknolojisini tanımlar. Nesnelerin İnterneti ağlarında banka dolandırıcılığı, Nesnelerin İnterneti ağlarına yapılan saldırıların sayısında artış ve diğer sorunlar gibi birçok sorun meydana gelmektedir. Nesnelerin İnterneti, saldırıların sayısındaki artışın ve hareketi engelleyen çarpıtmaların ve IoT sisteminin başarısızlığının bir sonucudur. Bu çalışma, beş makine öğrenimi sınıflandırma algoritmasının (destek vektör makinesi, karar ağaçları, rastgele ormanlar, yapay sinir ağı ve k-en yakın komşular) performansını göstermiştir. Intelligent Space Distribution System DS2OS kullanılarak oluşturulan açık kaynaklı Kugel web sitesinden alınan bir dizi veriye dayanarak ölçüldü ve ağdaki birçok anormallik ve saldırının tahminiyle karşılaştırıldı, ardından performans değerlendirme ölçütleri kullanıldı. doğruluk, hatırlama, Kesinlik ve f1 puanıdır. Tezde birkaç algoritma ile yüksek performans elde edilmiş ancak bir algoritma destek vektör makinesine diğer algoritmalara göre düşük performans vermiştir ve KNN algoritmasının en iyi performansı ölçüm doğruluğunda %94,99, Kesinlik ise 1, Hatırlama 0.65, Hatırlama 0.65 ve F1- skoru 0.79. KNN algoritmasının karışıklık matrisi doğru çalışıyor.
Özet (Çeviri)
In previous years, the Internet of Things (IoT) developed rapidly from its wide application in many fields, and the use of Internet of Things devices recently, for example, in health, agriculture, industry, and so on. It devotes integrated attention to AI with the Internet of Things and defines Artificial Intelligence of Things (AIOT) technology that aims to collect, process, and make decisions autonomously and without human intervention in relation to IoT networks. Many problems occur in the Internet of Things networks, such as bank fraud, an increase in the number of attacks on Internet of Things networks, and other problems. The Internet of Things is the result of an increase in the number of attacks and distortions that hinder movement, and the failure of the IoT system. This study demonstrated the performance of five machine learning classification algorithms (support vector machine, decision trees, random forests, artificial neural network, and k-nearest neighbours). It was measured based on a set of data taken from the open-source Kugel website, built using the Intelligent Space Distribution System DS2OS, and compared with the prediction of many anomalies and attacks on the network, then the performance evaluation measures were used, which are accuracy, recall, Precision, and f1 score. In the thesis, high performance was obtained with several algorithms, but one algorithm gave the support vector machine little performance compared to other algorithms, and the best performance of the KNN algorithm was 94, 99% in measurement accuracy, and the Precision is 1, Recall 0.65, Recall 0.65 and F1- score 0.79. the confusion matrix of the KNN algorithm works correctly.
Benzer Tezler
- Developing machine learning methods for network anomaly detection
Bilgisayar ağlarında anormal durum tespiti yapan öğrenme yöntemlerinin geliştirilmesi
HABIBU SHOMARI MUKHANDI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAFER AYDIN
- Machine learning approaches for internet of things based vehicle type classification and network anomaly detection
Nesnelerin interneti tabanlı araç tipi sınıflandırma ve ağ anomalisi tespiti için makine öğrenmesi yaklaşımları
BURAK KOLUKISA
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. VEHBİ ÇAĞRI GÜNGÖR
- Makina öğrenmesile biyometrik sahtekarlığa ve ağ anormallik tespitine dayalı saldırı tespiti
Intrusion detection based on biometric spoofing and network anomaly detection with machine learning algorithms
SAJAD EINY
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Ağ anomalisi tespitinde emülatör ortamı tasarımı ve makine öğrenmesi ile saldırı tespiti
Emulator environment design for network anomaly detection and attack detection with machine learning
SERKAN KESKİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSAN OKATAN
- Anomaly based network intrusion detection using machine learning
Makine öğrenimiyle anomali tabanlı ağ saldırı tespiti
ABDISALAM ABDULLAHI MOHAMED
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DOÇ. DR. NURAY AT