Derin öğrenme teknikleri kullanilarak gerçek zamanli saldiri tespiti
Real-time attack detection using deep learning techniques
- Tez No: 858136
- Danışmanlar: DOÇ. DR. ABDULLAH HAKAN YAVUZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
Güvenlik, varoluşundan beri insan için en önemli olgulardan biri olmuş ve tüm zamanlar boyunca da önemini artırarak korumuştur. Bu kapsamda bireysel ve kamusal güvenliğin sağlanması için güvenlik kameralarının kullanılması veya görevlilerce nöbet tutulması bir zorunluluk haline gelmiştir. Ancak insan operatörlerin gün boyu ekran başında güvenlik kamerasını veya bir bölgeyi, görev süresi boyunca dikkatini en yüksek seviyede tutarak gözlemesi mümkün değildir. Güvenliğin tesis edilmesi adına görüntülerden elde edilen verilerin, daha az insan operasyonuyla otomatik olarak analiz edilmesini sağlayan güvenlik sistemlerine olan ihtiyaç giderek artmaktadır. Güvenlik uygulamaları göz önüne alındığında gözetleme, hedef tespiti ve hedef takibi gibi çalışmalarda hareket tespiti ve bu hareketin sınıflandırılması önem arz etmektedir. Yürütülen çalışma ile“drone”üzerindeki kamera ile elde edilen görüntülerden gerçek zamanlı saldırı tespitinin yapılması amaçlanmıştır. Bu kapsamda görüntülerden hareket tespiti için; sırasıyla optik akış, kamera hareketinin telafisi ve YOLOv8 segmentasyon algoritması, insan aktivitesinin tanınmasında ise; YOLOv8 segmentasyon ve nesne tespiti algoritmaları kullanılmıştır. Ayrıca kamera görüntülerinden nesnenin“drone”a olan uzaklığının tespiti yapılmaya çalışılmıştır. YOLOv8'e ait tüm varyantlar (Nano, Small, Medium, Large ve Extra Large) bu çalışma kapsamında ayrı ayrı kullanılmış ve performansları kıyaslanmıştır. Hareket tespitinden en başarılı YOLOv8 varyantı; %89 [email protected] değeri ile YOLOv8m olurken nesne tespitinde, %96 [email protected] ile YOLOv8l olmuştur. Nesnenin“drone”a olan uzaklığı ise %1.66 bağıl hata ortalaması ile hesaplanmıştır.
Özet (Çeviri)
Security has been one of the most important concepts for humans since their existence, and it has consistently increased in significance over time. In this context, the use of security cameras or the presence of personnel on duty has become a necessity to ensure both individual and public safety. However, it is not feasible for human operators to continuously monitor a security camera or a specific area with the highest level of attention throughout their shift. The need for security systems that can automatically analyze data from images with fewer human operations is increasingly growing to establish security. When considering security applications, tasks such as surveillance, target detection, and target tracking are crucial, where motion detection and classification of this motion play a significant role. The conducted study aims to achieve real-time attack detection from images obtained from a“drone”camera. Optical flow, camera motion compensation, and YOLOv8 segmentation algorithms were sequentially used for motion detection from images, while for human activity recognition, YOLOv8 segmentation and object detection algorithms were employed. Additionally, attempts were made to detect the object's distance from the“drone”using camera images. All variants of YOLOv8 (Nano, Small, Medium, Large, and Extra Large) were individually utilized in this study, and their performances were compared. The most successful YOLOv8 variant in motion detection achieved a value of 89% [email protected] with YOLOv8m, while in object detection, it was 96% [email protected] with YOLOv8l. The object's distance to the drone was calculated with a relative error average of 1.66%.
Benzer Tezler
- Artificial intelligence based detection schemes for secure wireless communication
Güvenli telsiz iletişimin sağlanmasına yönelik yapay zeka tabanlı sınıflandırma metotları
SELEN GEÇGEL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- Early detection of distributed denial of service attacks
Dağıtık hizmet engelleme saldırılarının erken tespiti
KAĞAN ÖZGÜN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE TOSUN KÜHN
DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA
- Scene change detection with triplet loss network using self-supervised learning
Üçlü kayıp ağı ile kendi kendine denetimli öğrenme metodu kullanarak sahne geçişlerinin tespiti
BURAK NAYIR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Ana Bilim Dalı
DR. TANKUT AKGÜL
- Makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak saldırı tespit ve önleme sistemi geliştirilmesi
Developing an intrusion detection and prevention system using machine learning and deep learning methods
MEHMET ALİ ALTUNCU
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUHAP ŞAHİN
- Deep learning and machine learning methods for detecting false data injection cyber-attacks on smart grid phasor measurement units
Akıllı şebeke fazör ölçüm ünitelerinde sahte veri enjeksiyonu siber saldırılarının tespiti için derin öğrenme ve makine öğrenmesi yöntemleri
KHALID GOUN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBEYKOZ ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖZLEM FEYZA ERKAN