Hiper parametre ayarlarının saldırı tespit sistemlerin performansı üzerindeki etkilerinin incelenmesi
Studying the effects of hyperparameter tuning on the performance of intrusion detection systems
- Tez No: 847093
- Danışmanlar: DR. ÖĞR. ÜYESİ HALİT BAKIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Savunma ve Savunma Teknolojileri, Computer Engineering and Computer Science and Control, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 145
Özet
Teknolojinin gelişmesi ile birlikte teknolojik cihazlar, ağ ve internet hayatımızın vazgeçilmez bir parçası haline gelmiştir. Bu gelişmeyle birlikte cihaz ve bilgilerin güvenliğini sağlamakta önemli bir sorun olarak karşımıza çıkmaktadır. Bu sorun kişileri etkilediği gibi kurum, kuruluş, şirket ve devletleri de tehdit etmektedir. Bu tez çalışmasında siber saldırı tespit sistemleri detaylıca araştırılarak yapay zekâ teknikleri ile oluşturulan saldırı tespit sistemleri ele alınmıştır. Çalışmanın amacı siber saldırılara karşı güçlü bir saldırı tespit sistemi oluşturmak ve saldırı tespit sistemlerinin performansını doğrudan etkileyen hiper parametre optimizasyonunun saldırı tespit sistemleri üzerindeki etkisini ortaya koymaktır. Çalışmada CICIDS-2017 ve HIKARI-2021 veri setleri kullanılmıştır. Makine öğrenme yöntemleri MultiTrain modülü ile toplu eğitimden geçirilerek en yüksek puanlı Rasgele orman, LightGBM, XGBoost, Histogram Gradient Boosting algoritmaları ve derin öğrenme tekniklerinden ileri beslemeli sinir ağları, tekrarlayan sinir ağları, evrişimli sinir ağları ile ikili ve çoklu sınıflandırma modelleri oluşturulmuştur. Seçilen algoritmalara Ağaç Yapılı Parzen Tahmincisi ve Baskın Olmayan Sıralama Genetik Algoritması ile hiper parametre optimizasyonu yapılmıştır. Sonuçlar saldırı olduğu halde saldırı değil olarak etiketlenen yanlış negatif metriği üzerinden değerlendirilmiştir. Hiper parametre optimizasyonu ile saldırı tespit sistemlerinde yanlış negatif değerinde kayda değer iyileştirmeler elde edilmiştir. İkili sınıflandırmada LightGBM algoritması ile %99,97, çoklu sınıflandırmada %99,57 tespit başarısı elde edilmiştir. Hiper parametre optimizasyonu ile yanlış negatif değerinde LightGBM algoritmasında“Portscan”sınıfında %94,2 iyileştirme elde edilmiştir. Bu tez, saldırı tespit sistemi için hiper parametre optimizasyonunun etkilerini vurgulamakta ve başarılı modellerin oluşturulmasını göstermektedir.
Özet (Çeviri)
With the advancement of technology, technological devices, networks, and the internet have become an indispensable part of our lives. Alongside this development, ensuring the security of devices and information poses a significant challenge. This challenge not only affects individuals but also threatens institutions, organizations, companies, and governments. In this thesis, cyber-attack detection systems are extensively researched, and attack detection systems created using artificial intelligence techniques are discussed. The aim of the study is to establish a robust attack detection system against cyber-attacks and to demonstrate the impact of hyperparameter optimization, which directly affects the performance of attack detection systems, on these systems. The CICIDS-2017 and HIKARI-2021 datasets are used in the study. Machine learning methods, including the MultiTrain module, were employed for training, and feedforward neural networks, recurrent neural networks, convolutional neural networks, as well as binary and multi-classification models were constructed using the highest-rated Random Forest, Light, XGBoost, and Histogram Gradient Boosting algorithms, along with deep learning techniques. All models underwent hyperparameter optimization, and the results were evaluated comparatively. The results were assessed based on the false negative metric, which represents cases where an attack was present but labeled as non-attack. Significant improvements in the False Negative values of attack detection systems were achieved through hyperparameter optimization. The LightGBM algorithm achieved a detection accuracy of 99.97% in binary classification and 99.57% in multi-class classification. With hyperparameter optimization, a significant improvement of 94.2% was attained in the“Portscan”class for the false negative value in the LightGBM algorithm. This thesis highlights the effects of hyperparameter optimization for the intrusion detection system and demonstrates the creation of successful models.
Benzer Tezler
- Adaptive and hierarchical classifier fusion approaches for network attack detection
Ağ saldırısı tespiti için uyarlanır ve aşamalı sınıflandırıcı tümleştirme yaklaşımları
ERKAN AS
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Sahte GPS sinyallerine karşı gömülü sistem tasarımı ve mekatronik sistemlerde uygulanması
Embedded system design against spoofing GPS signals and its application in mechatronic systems
MUSTAFA TANIŞ
Doktora
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Köprü ayakları etrafında meydana gelen oyulma derinliğinin uç öğrenme makinesi, XGBoost regresyon ve sembolik regresyon yöntemleri ile tahmini
Prediction of scour around bridge piers using extreme learning machi̇ne (ELM), XGBoost regression and symbolic regression
NAGİHAN BOZ
Yüksek Lisans
Türkçe
2024
İnşaat Mühendisliğiİnönü Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENES GÜL
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Advanced techniques and comprehensive analysis in speech emotion recognition using deep neural networks
Derin sinir ağları kullanarak konuşma duygu tanıma üzerine gelişmiş teknikler ve kapsamlı analiz
AHMET KEMAL YETKİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE