Nesnelerin internetinde uç bilişim için güven yönetim modeli
Trust management model for edge computing in the internet of things
- Tez No: 856635
- Danışmanlar: DR. ÖĞR. ÜYESİ ELİF BOZKAYA ARAS
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Milli Savunma Üniversitesi
- Enstitü: Atatürk Stratejik Araştırmalar ve Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Siber Güvenlik Bilim Dalı
- Sayfa Sayısı: 66
Özet
Nesnelerin İnterneti (Internet of Things (IoT)) cihazlarının siber-fiziksel altyapı içinde yaygınlaşması gizlilik ve güvenlik endişelerini beraberinde getirmiştir. Bu, büyük miktarda veriyi işlemenin ve anomali bulunan veriyi çıkartmanın, IoT cihazlarının sınırlı depolama ve işleme kapasiteleriyle gerçekleştirilemeyeceği anlamına gelir. Bu kapsamda, uç bilişim (edge computing), hesaplama ve veri depolamayı veri kaynaklarına daha yakın bir konuma getiren bir ağ paradigmadır ve bu yaklaşım, IoT tabanlı uygulamaların altyapısını ve mimarisi yeniden şekillendirebilmektedir. Ancak, uç sunucuların merkezi veri merkezlerinde olduğu gibi güvenlik mekanizmalarına sahip olması zor olduğundan, uç sunucular güvenlik saldırılarına daha açık hale gelmiştir. Bu sorunu ele almak için, bu tezde uç bilişim tabanlı nesnelerin interneti ağlarında etkili veri işleme imkanı sağlayan yeni bir dijital ikiz sistem mimarisi önerilmiştir. Dijital ikiz (Digital Twin (DT)), sürekli bilgi alışverişi ile gerçek dünyanın sanal ortamdaki bir kopyasıdır. Bu tezdeki, dijital ikiz destekli çözüm, hücre kesintilerine karşı veri odaklı bir strateji sunmaktadır ve fiziksel varlıkların davranışlarını ve örüntülerini dijital dünyada simüle etmektedir. Bu açıdan, bu tezin katkıları dört başlık altında toplanabilir: (i) İlk olarak, yüksek boyutlu veriyi etkili bir şekilde işleyen ve dengesiz sınıflara rağmen sistem performansını artıran bir dijital ikiz destekli anomali tespit modeli önerilmiştir. (ii) İkinci olarak, bir otomatik kodlayıcı (Autoencoder (AE)) temelli eşik algoritması tanımlanmıştır ve Extrem Gradyan Arttırma (eXtreme Gradient Boosting (XGBoost)) sınıflandırıcısı dijital ikize öğrenme yeteneği kazandırmak için eklenmiştir. (iii) Üçüncü olarak, öğrenen modelin yeni ve görülmemiş bir veri setine uygulamak için özellikleri, bağımlılıkları ve ilişkileri çıkarılmıştır, gerçek zamanlı izleme ve optimizasyon için önerilen modelin performansı hem gerçek zamanlı hem de geçmiş veri ile değerlendirilmiştir. (iv) Son olarak, farklı sınıflandırıcıların performansını doğrulamak için önerilen sistem modeli analiz edilmiştir. Dört farklı veri seti kullanılmış ve çözümün doğruluk performansı, Eğri Altındaki Alan Skoru (Area Under the Curve Score (AUC)) ve İşletim Karakteristikleri Eğrisi (Receiver Operating Characteristic Curve (ROC)) açısından literatürdeki çalışmalardan üstünlük sağladığı görülmüştür.
Özet (Çeviri)
The proliferation of Internet of Things (IoT) devices within the cyberphysical infrastructure has raised privacy and security concerns. This is because processing large amounts of data and extracting anomalous data cannot be imprecisely identified with the limited storage and processing capabilities of IoT devices. Against this backdrop, edge computing is a networking paradigm to reshape the next generation of IoT-based applications, which brings computation and data storage closer to the data sources. However, since edge servers are difficult to obtain security protections like in centralized data centers, this makes them more vulnerable to security attacks. To address this issue, a novel digital twin system architecture is proposed in edge computing-based Internet of Things (IoT) networks, which allows efficient data processing for anomaly detection at the network edge. Digital twin is a replica of the real world in a virtual environment with continuous information exchange. The proposed digital twin-assisted solution gives a data-driven strategy against the cell outage and simulates the behavior and patterns of the physical assets in the digital world. To this extent, the contributions of this thesis are fourfold: (i) First, a novel digital twin-assisted anomaly detection framework is proposed to process high-dimensional data efficiently and improves the system performance despite the imbalanced classes. (ii) Second, an autoencoder-based threshold algorithm is defined and the eXtreme Gradient Boosting (XGBoost) classifier is evaluated to implement self-learning capability into the digital twin for an accurate prediction. (iii) Third, the features, dependencies, and relationships are extracted to apply the learned model to the new and unseen dataset for real-time monitoring and optimization and evaluate the performance of the proposed model with both real-time and historical data. (iv) Finally, the performance of different classifiers is analyzed to validate our model. Four different datasets are used and demonstrated that the proposed solution outperforms the state-of-the-art techniques in terms of accuracy performance, AUC score, and ROC curve.
Benzer Tezler
- Mariot: an authoring framework for creating iot applications with mobile augmented reality
Marıot: mobil artırılmış gerçeklik ile nesnelerin interneti uygulamaları üretmek için bir yapılandırma çerçevesi
MERAL KUYUCU
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Nesnelerin internetinde derin öğrenmeye dayalı veri analizi ve bilgi çıkarımı
Deep learning based data analysis and information extraction in the internet of things
İBRAHİM KÖK
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. SUAT ÖZDEMİR
- Askerî nesnelerin internetinde ağ mimari tasarımı
Network architecture design on the internet of military things
HASAN ÖZKILIÇASLAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ URAZ YAVANOĞLU
- Development of a new machine learning-based method to detect threats and prevent attacks on the internet of things and simulation with Cooja
Nesnelerin internetinde tehditleri algılamak ve saldırıları önlemek için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi ve Cooja ile benzetimi
ALI HAMID AHMED SALEH FAREA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM KÜÇÜK
- Nesnelerin internetinde zamanın modellenmesi ile gerçek zamanlı veri takibi
Real-time data tracking with time modeling of internet of things (IoT)
ONUR YOLAL
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Arel ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NECDET TUĞRUL ARTUĞ