Intrusion detection system using deep neural network based on the ant colony optimization method
Karınca kolonisi optimizasyon yöntemine dayalı derin sinir ağlarını kullanarak saldırı tespit sistemi
- Tez No: 829300
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgi ve Belge Yönetimi, Information and Records Management
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- 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
In this thesis, the ant colony optimization method based on the deep learning used for the intrusion detection system. The features of the intrusion are not accurate and the number of the features are high. For this reason, the features number need to reduce and find the best features. The ant colony is the robust method to reduce the features number. In order to analyze the results, we compared them using both the Decision tree approach and the Ensemble method. The CNN method yielded the highest sensitivity and recall scores, they are 92.44% and 95.55%, respectively. The best results were obtained using this method. The proposed method achieves the highest percentages for Specificity, Accuracy, and Precision, with respective values of 99.44%, 95.56%, and 98.33%. The F1 Score also achieves the highest value, with values of 97.58%.
Özet (Çeviri)
Bu tezde, karınca kolonisi optimizasyonu için kullanılan derin öğrenmeye dayalı saldırı tespit sistemi. İzinsiz girişin özellikleri doğru değil ve sayısı özellikler yüksektir. Bu nedenle özellik sayısını azaltmak ve en iyisini bulmak gerekir. özellikler. Karınca kolonisi, özellik sayısını azaltmak için sağlam bir yöntemdir. İçin sonuçları analiz ettikten sonra, hem Karar ağacı yaklaşımını hem de Topluluk yöntemi. CNN yöntemi en yüksek duyarlılığı ve hatırlama puanlarını vermiştir. sırasıyla %92,44 ve %95,55'tir. En iyi sonuçlar bu yöntemle elde edilmiştir. bu önerilen yöntem Özgüllük, Doğruluk ve Kesinlik için en yüksek yüzdeleri elde eder, sırasıyla %99,44, %95,56 ve %98,33 değerleri ile. F1 Puanı aynı zamanda en yüksek değer, %97,58 değerleri ile.
Benzer Tezler
- Ağ davranış modeli ile kurum içi saldırıların belirlenmesi
Detection of insider attacks using network behavour model
AYŞE GÜL
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
PROF. DR. EŞREF ADALI
- A deep reinforcement learning approach to network intrusion detection
Ağ saldırı tespitinde derin pekiştirmeli öğrenim yaklaşımı
HALİM GÖRKEM GÜLMEZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN ANGIN
- Ağ trafiğinde anormallik tespiti için veri seti oluşturma ve test yöntemlerinin karşılaştırılması
Creating a data set for anomaly detection in network traffic and comparison of test methods
EMRULLAH ERGİNAY
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Deep learning based fully autonomousnetwork intrusion detection system
Derin öğrenme tabanlı tam otonomağ giriş tespit sistemi
ZAID FARHAN DAKHIL DAKHIL
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. OSMAN NURİ UÇAN
- Data management system in IoTs using deep learning technique
Başlık çevirisi yok
AMER BENAROUS
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN