Geri Dön

DDoS detection in IoT network using machine learning

Makine kullanarak IoT ağında DDoS tespiti öğrenme

  1. Tez No: 849554
  2. Yazar: OMER BASIM AL-RAWE
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ KARAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 63

Özet

Birçok DDoS saldırısı Tespit, Önleme ve Geri İzleme çözümü geliştirildi yeni saldırıların devam eden gelişimi ve giderek artan menzili nedeniyle İnternetteki duyarlı ana bilgisayarlar, ağ kullanan İnternet tabanlı korkutma denemeleri bant genişliğini artırabilir veya kurbanın kaynaklarını tüketebilir. Çeşitli güvenlik teknikleri (saldırı gibi) önleme, geri izleme, müdahale, tespit ve karakterizasyon) DDoS saldırılarını önlemenize rağmen bu tür saldırılar her geçen yıl artmaya devam ediyor ve en uygun bu sorunun cevabı henüz bulunamadı. Çeşitli imza tabanlı ve anormallik tabanlı Geçmişte DDoS saldırılarını tespit etmeye yönelik sistemler önerildi ancak bunlardan yalnızca birkaçı anormalliklerin doğasına odaklandık. Tespit yaklaşımlarının çoğu şunları sağlamaz: yüksek tespit oranına sahip verimli gerçek zamanlı tespit [1]. Bu makale, IoT'nin güvenlik ihtiyaçlarını analiz edebilen bir çerçeve tasarlamayı içermektedir. güvenlik düzeyini bu ihtiyaçlara ve nesnelerin kullanımlarına uyarlamak için nesneler. Bu çerçeve iki aşamadan oluşur: ilki nesnelerin ihtiyaçlarının analizine odaklanır. ResNet50 ve CNN gibi makine öğrenmesi algoritmaları, ikincisi ise tatmin etmeyi amaçlamaktadır. uygun güvenlik önlemlerini uygulayarak bunları gerçekleştirin.

Özet (Çeviri)

Many DDoS attack Detection, Prevention, and Traceback solutions have been developed because of the ongoing evolution of new assaults and the ever-increasing range of susceptible hosts on the internet, the Internet-based intimidation trials that use network bandwidth or drain the victim's resources. Various security techniques (such as attack prevention, traceback, response, detection, and characterization) have been established to prevent DDoS attacks, yet such attacks continue to rise year after year, and the optimal answer to this problem has yet to be found. Various signature-based and anomaly-based systems for detecting DDoS attacks have been proposed in the past, but only a few of them have focused on the nature of abnormalities. Most of the detection approaches do not provide efficient real-time detection with high detection rate [1]. This paper consists in designing a framework capable of analysing the security needs of IoT objects to adapt the level of security to these needs and to the uses of objects. This framework is composed of two stages: the first focuses on the analysis of the needs of objects using machine learning algorithms such as ResNet50 and CNN while the second aims to satisfy them by deploying appropriate security measures.

Benzer Tezler

  1. Makine öğrenimini kullanarak IoT ağlarında saldırı tespiti

    Intrusion detection in IoT networks using machine learning

    HANAN ABU KWAIDER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERDİNÇ AVAROĞLU

  2. Intrusion detection in IoT SDN network using machine learning

    Başlık çevirisi yok

    SAMER ALBENAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ ATA

  3. Interusion detection system in software defined IoT network using deep lirning and genetic algorithm

    Başlık çevirisi yok

    FOUAD TAHSEEN ABDULHAFEDH

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MESUT ÇEVİK

  4. IoT'de meydana gelen DDoS saldırılarının derin öğrenmeyöntemleri kullanılarak büyük veri ortamında analizive tespiti

    Analysis and detection of ddos attacks in IoT by using deeplearning methods in big data environment

    SAMİ YARAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT DENER

  5. Comparison of various algorithm for intrusion detection in data mining

    Veri madenciliğinde intrüzyon algılama için çeşitli algoritminin karşılaştırılması

    HASAN M.HUSSEIN M.ALI NASSRULLAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN