User privacy on IoT devices using deep learning
Derin öğrenme kullanan IoT cihazlarında kullanıcı gizliliği
- Tez No: 830726
- Danışmanlar: DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- 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: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilgisayar Eğitimi Bilim Dalı
- Sayfa Sayısı: 104
Özet
Nesnelerin İnterneti (IoT) cihazlarının kullanımı hızla artıyor ve beraberinde bu cihazları hedef alan siber saldırılarda da bir artış geliyor. IoT ekosistemindeki en zararlı saldırılardan biri karşı savunması oldukça zor olan botnet tabanlı saldırılardır. Son yıllarda, birçok araştırmacı IoT bağlamında botnet saldırılarını tanımlamak ve kategorize etmek için derin öğrenme (DL) yöntemleri sunmuştur. Bu çalışmada, N-BaIoT veri kümesini kullanarak IoT cihazlarındaki botnet saldırılarını tanımlamak için etkili bir yöntem öneriyoruz. İki sık ve tehlikeli IoT tehdidi olan BASHLITE ve Mirai'yi tanımlamak için DL ve hibrit modeller dahil olmak üzere altı model geliştirdik. Sonuçlarımız, Tansformer modelinin çeşitli IoT cihazlarından gelen botnet tabanlı saldırıları 99.48% doğruluk (Acc) seviyesiyle doğru ve verimli bir şekilde tespit edebildiğini ve literatürdeki diğer mevcut modellerden daha iyi performans gösterdiğini ortaya koymaktadır. Çalışmamız, IoT cihazlarına yönelik botnet tabanlı saldırıları tespit etmek için verimli ve doğru yöntemler geliştirmeyi amaçlayan ve giderek artan araştırmalara katkıda bulunmaktadır. Önerilen yöntem, IoT cihazlarının güvenliği için önemli etkilere sahiptir ve IoT ekosistemindeki botnet saldırılarının zararlı etkilerini azaltmaya yardımcı olabilir.
Özet (Çeviri)
The use of Internet of Things (IoT) devices has been increasing rapidly and with it comes an increase in cyberattacks targeting these devices. One of the most harmful attacks in the IoT ecosystem is botnet-based attacks which are notoriously difficult to defend against. In recent years, many researchers have presented deep learning (DL) methods for identifying and categorizing botnet attacks (BA) in the IoT context. In this work, we propose an effective method for identifying BAs on IoT devices using the N-BaIoT dataset. We developed six models, including DL and hybrid models to identify two frequent and dangerous IoT threats, BASHLITE and Mirai. Our results demonstrate that Transformer model can accurately and efficiently detect botnet-based assaults from a variety of IoT devices with a 99.48% accuracy (Acc) level which outperforms other existing models in the literature. Our study contributes to the growing body of research aimed at developing efficient and accurate methods for detecting botnet-based attacks on IoT devices. The proposed method has significant implications for the security of IoT devices and can help to mitigate the harmful effects of BAs in the IoT ecosystem.
Benzer Tezler
- User privacy on iot devices using machine and deep learningapproaches
Kullanilan iot cihazlarinda kullanici gizliliğimakine ve derin öğrenme yaklaşimlar
KARAM ZUHAIR DHANNOON SHAKIRCHI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Data analysis with distributed machine learning methods in smart city applications
Akıllı şehir uygulamalarında dağıtık makine öğrenmesi yöntemleriyle veri analizi
NAWAF ABDULLA
Doktora
İngilizce
2024
Yönetim Bilişim SistemleriGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET DEMİRCİ
PROF. DR. SUAT ÖZDEMİR
- Ağ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi
A comparative analysis of machine learning algorithms on network traffic forecasting
BUSE DİLAN USLAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- An intelligent atrous convolution-based cascaded deep learning framework for enhanced privacy preservation performance in edge computing
Kenar bilişiminde geliştirilmiş gizlilik koruma performansı için akıllı atrous konvolüsyon tabanlı derin öğrenme çerçevesi
FATIMA ABUSIRYEH
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
- Distributed anomaly-based intrusion detection system for IoT environment using Blockchain technology
Dağıtılmış anomali tabanlı saldırı tespit sistemi Blockchain teknolojisi kullanılan IoT ortamı için
NOUHA HEJAZI
Yüksek Lisans
İngilizce
2022
Bilgi ve Belge Yönetimiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR