Implementation of ai-based detection systems for securing internet of things (iot) contexts
Aı tabanlı tespitin uygulanması nesnelerin internetini güvenliğe yönelik sistemler (ıot) bağlamları
- Tez No: 848733
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Bu araştırmada dördü makine öğrenimi alanından olmak üzere altı algoritma kullanılmaktadır. (ElasticNet, Extra Trees, GBC ve RF) ve diğer ikisi öğrenmeden (LSTM ve GRU). Çalışmaların bulgularına göre ElasticNet, hem doğruluk açısından hem de performans açısından öne çıkıyor ve zaman verimliliği açısından GRU ve LSTM modellerini gölgede bırakan hesaplama verimliliği. Ancak konu hassasiyet, geri çağırma ve F1 puanı değerlendirmesi söz konusu olduğunda LSTM modeli geride kalıyor GRU modeli. LSTM'nin üstün eğitim verimliliği özellikle dikkat çekicidir. GRU. LSTM ve GRU arasındaki seçim sorunun doğası gibi faktörlere bağlıdır Kullanılan veri kümesinin ve mevcut bilgi işlem kaynaklarının mevcut özellikleri. Açısından Hem LSTM hem de GRU modelleri, doğruluk, geri çağırma, kesinlik ve doğruluk düzeylerini gösterir. Yaklaşık %97 değerinde F1 puanı. Bu araştırmada incelenen tüm modeller arasında çalışma, bir makine öğrenimi tekniği olan Rastgele Orman algoritmasını öne çıkarıyor. tahminlerde bulunmak için çoklu karar ağaçları. Bu model genelinde performans sergiliyor doğruluk ölçümlerinin yanı sıra hatırlama, hassasiyet ve F1 puanı ölçümleri. Ayrıca Rastgele Orman modeli hem eğitim süresinde hem de tahmin süresinde verimliliği gösterir ve bu da onu bir Ulaşılan performans düzeyi ile performans düzeyi arasında bir denge sağlamak için cazip bir seçim. hesaplama verimliliği. Ekstra Ağaçlar algoritması doğruluk açısından da iyi performans gösteriyor ve diğer değerlendirme önlemleri, Rastgele ile karşılaştırıldığında daha uzun eğitim süreleri gerektirmesine rağmen Orman. Ancak verimliliği hala önemli. Her ne kadar Gradyan Arttırıcı Sınıflandırıcı sınıflandırma doğruluğunu gösterir, diğer sınıflandırıcılarla karşılaştırıldığında bir miktar eğitim süresi gerektirir. Maliyet ve performans iyileştirmesi arasındaki denge göz önüne alındığında Performansın önemi hayati hale geliyor. Araştırmayla karşılaştırmalı bir analiz Bu çalışmada önerilen algoritma setinin performansını vurgulamaktadır. Bu modeller gösteriyor izinsiz girişi potansiyel olarak artıran veri kaynaklarını kullanarak genelleme ve test için söz veriyorum tespit prosedürleri.
Özet (Çeviri)
This research utilizes six algorithms, with four originating, from the field of machine learning (ElasticNet, Extra Trees, GBC and RF) and the other two from learning (LSTM and GRU). According to the studys findings ElasticNet emerges as the performer in terms of both accuracy and computational efficiency outshining GRU and LSTM models in terms of time efficiency. However, when it comes to precision, recall and F1 score evaluation the LSTM model surpasses the GRU model. Particularly noteworthy is LSTMs superior training efficiency compared to GRU. The choice between LSTM and GRU depends on factors such as the nature of the problem at hand characteristics of the dataset used and available computing resources. In terms of performance both LSTM and GRU models demonstrate levels of accuracy, recall, precision and F1 score with an approximate value of 97%. Amongst all the models examined in this research study stands out Random Forest algorithm – an machine learning technique that combines multiple decision trees for making predictions. This model exhibits performance across accuracy metrics well as recall, precision and F1 score measurements. Additionally the Random Forest model showcases efficiency in both training time and prediction time which makes it an appealing choice for achieving a balance, between performance level achieved and computational efficiency. The Extra Trees algorithm also performs well in terms of accuracy and other evaluation measures although it requires longer training times compared to Random Forest. However, its efficiency remains significant. Although the Gradient Boosting Classifier demonstrates classification accuracy it does require an amount of training time compared to other classifiers. When considering the trade off, between cost and performance improvement the importance of performance becomes crucial. A comparative analysis with research highlights the performance of the algorithm set proposed in this study. These models show promise, for generalization and testing using data sources potentially enhancing intrusion detection procedures.
Benzer Tezler
- Bitki hastalıklarını tespitte derin öğrenme ResNet modelinin etkinliği
Deep learning in plant disease detection: effectiveness of ResNet model
CİHAN TOPÇU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PARVANEH SHAMS
- İnsan tespiti için otonom iç mekan keşfi
Autonomous indoor discovery for human detection
YUSUF GÖKHAN KÜÇÜKAYAN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. HACER KARACAN
- Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti
AI-based blood pressure detection with electrocardiography signal
DERYA KANDAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- A situational awareness framework for connected autonomous vehicles
Bağlantılı otonom araçlar için durum farkındalık sistemi
DERYANUR TEZCAN
Yüksek Lisans
İngilizce
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ÖKE GÜNEL
- Study and implementation IoT smart home using packet tracer and python
Başlık çevirisi yok
ALI HUSSEIN ABDULQADER AL-ZANGANAH
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN ABDULKADER