Yazılım tanımlı ağların güvenliği için yapay zekâ tabanlı bir yaklaşım
An artificial intelligence based approach for the security of software defined networks
- Tez No: 832755
- Danışmanlar: DR. ÖĞR. ÜYESİ CENGİZ GÜNGÖR, DR. ÖĞR. ÜYESİ ENİS KARAARSLAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uluslararası Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 150
Özet
Yazılım tanımlı ağlar (SDN), büyük ölçekli bilgisayar ağlarının daha etkin bir şekilde yönetilebilmesine olanak sağlayan yeni nesil bir ağ mimarisi sunmaktadır. Bu mimari, sahip olduğu avantajların yanı sıra yeni tehdit vektörlerinin ortaya çıkmasına ve saldırı yüzeylerinin genişlemesine neden olmaktadır. Bu tez çalışmasında, SDN tabanlı ağların güvenliği için akış tabanlı zeki bir saldırı tespit sistemi önerilmektedir. Bu kapsamda, SDN mimarisinin farklı bileşenlerinde gerçekleşebilecek saldırıların tespiti için makine öğrenmesi yaklaşımına dayanan bir saldırı tespit sistemi geliştirilmiş ve önerilen sistemin gerçek zamanlı bir gerçekleştirimi yapılmıştır. Makine öğrenmesi modellerinin eğitilmesi ve performanslarının değerlendirilmesi sürecinde güncel veri kümeleri kullanılmıştır. Veri kümelerindeki özelliklerin tamamını kullanmak yerine anahtarlayıcıların akış tablosundan gerçek zamanlı olarak çıkarılabilen ve SDN tabanlı ağların doğasına uygun akış tabanlı özelliklere odaklanılmıştır. Bu doğrultuda, SDN ortamında saldırıların tespiti amacıyla kullanılabilecek alt özellik kümeleri oluşturulmuştur. Ayrıca, önerilen sisteminin denetleyici performansına olan etkisini değerlendirmek için ağ performans testleri gerçekleştirilmiştir. Bu çalışmada elde edilen sonuçlar, SDN altyapılarında konumlandırılacak olan akış tabanlı saldırı tespit sistemlerinin başarısında yapay zekâ tabanlı yaklaşımların büyük bir potansiyele sahip olduğunu ortaya koymaktadır. Ayrıca, en uygun makine öğrenmesi yaklaşımının belirlenmesi ve saldırı karakteristiklerini yansıtan en iyi özelliklerin seçilmesi süreçlerinin de bu başarılı sonuçların elde edilmesinde önemli bir rol oynadığını göstermektedir.
Özet (Çeviri)
Software defined networks (SDN) offer a next-generation network architecture which allows management of large-scale computer networks more efficient. Besides its advantages, this architecture leads to the emergence of new threat vectors and the expansion of attack surfaces. In this thesis, an intelligent flow-based intrusion detection system (IFB-IDS) is proposed for the security of SDN based networks. In this context, an IDS based on machine learning (ML) approach has been developed for the detection of attacks which may occur in different components of the SDN architecture and a real-time implementation of the proposed system has been made. Up-to-date datasets were used in the process of training ML models and evaluating their performance. Instead of using all of the features in the datasets, flow-based features has been focused on which can be extracted from the flow table of the switches in real-time and are suitable for the nature of SDN. Accordingly, sub-feature sets have been created which can be used to detect attacks in the SDN environment. Also, network performance tests were performed to evaluate the effect of the proposed system on the controller performance. The results reveal that artificial intelligence based approaches have great potential in the success of flow-based intrusion detection systems to be deployed in the SDN infrastructures. It also shows that the processes of determining the most appropriate ML approach and selecting the best features which reflect the attack characteristics play an important role in achieving these successful results.
Benzer Tezler
- Yazılım tanımlı ağlarda yapay zeka tabanlı yeni bir DoS (denial of service) saldırı tespit sistemi gerçekleştirilmesi
Implementing a new DoS attack detection system in software defined networks based on artificial intelligence
MAJD LATAH
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT TOKER
- Görüntü sınıflandırması için yapay sinir ağlarının analiz ve optimizasyonu
Analysis and optimization of artificial neural networks for image classification
OZAN ARSLAN
Doktora
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiPROF. DR. OĞUZ MÜFTÜOĞLU
PROF. DR. CANKUT ÖRMECİ
- Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques
Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması
RAGHAD MOHAMMED KHORSHEED
Doktora
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Yazılım tanımlı ağlarda makine öğrenme temelli saldırı tespit sistemi
Machine learning based intrusion detection system in software defined networks
BİROL EMEKLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Gömülü sistemlerde sesli komut tanıma
Voice command recognation in embedded systems
CAN ÇETİN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN