DDoS detection in IoT network using machine learning
Makine kullanarak IoT ağında DDoS tespiti öğrenme
- Tez No: 849554
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ KARAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Makine öğrenimini kullanarak IoT ağlarında saldırı tespiti
Intrusion detection in IoT networks using machine learning
HANAN ABU KWAIDER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ AVAROĞLU
- Intrusion detection in IoT SDN network using machine learning
Başlık çevirisi yok
SAMER ALBENAH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ ATA
- Interusion detection system in software defined IoT network using deep lirning and genetic algorithm
Başlık çevirisi yok
FOUAD TAHSEEN ABDULHAFEDH
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT DENER
- 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
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN