Attack detection and analysis with deep learning in cloud computing
Bulut bilgisayarında derin öğrenme ile saldırı tespit ve analizi
- Tez No: 864588
- Danışmanlar: DR. ÖĞR. ÜYESİ ISA AVCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
Bilgisayar ve internet ağlarının genişlemesi, ağ ihlali olasılığının artmasına neden olmuş, böylece bilgisayar korsanlığı ve diğer kötü amaçlı faaliyetler potansiyelini artırmıştır. İnternet, yaygın olarak erişilebilir bir kamu ağı olarak, genellikle sunucular veya bulut platformları aracılığıyla kolaylaştırılan çeşitli varlıklar arasında veri alışverişini gerektirir. Ancak, bu verilerin güvenliği, olası saldırıları önlemek için dağıtılan bulut altyapısının, sunucuların ve ilişkili güvenlik duvarlarının sağlamlığına bağlıdır. Ancak, yazılım teknolojisindeki sürekli gelişmeler, mevcut güvenlik duvarlarını ezici saldırı etkinliklerine karşı giderek daha savunmasız hale getirmiştir. Bu teknolojik gelişmeler, geleneksel güvenlik duvarı çözümlerinin etkinliğini geride bırakarak, modern siber tehditlerin sofistike ve kalıcı doğasını ele almada yetersiz kalmıştır. Bu acil endişeye yanıt olarak, çalışmamız derin öğrenme teknolojisinin gücünden yararlanan otomatik bir saldırı tahmin yaklaşımı önermektedir. Araştırmamızın temel amacı, beş farklı hizmet reddi (DoS) saldırısı türünü tespit etmek ve sınıflandırmak için eğitilmiş tahmine dayalı modeller geliştirmektir. Derin öğrenme algoritmalarının yeteneklerinden yararlanarak, önerilen modellerimiz DoS saldırılarıyla ilişkili kalıpları ve anormallikleri etkili bir şekilde tanımlama potansiyelini sergileyerek erken tespit ve proaktif karşı önlemlere olanak tanır. Yapılan deneyler ve değerlendirmeler sonucunda çalışmamız, etkileyici bir yüzde % 82,75 oranında saldırı tahmininin en iyi doğruluğuyla sonuçlar verdi. Bu önemli doğruluk seviyesi, DoS saldırılarını doğru bir şekilde tahmin etme ve önleyici olarak azaltmada önerdiğimiz yaklaşımın etkinliğini ve uygulanabilirliğini gösterir. Sonuçta, araştırmamız, dijital alanda gelişen tehdit ortamına karşı koruma sağlayan pratik ve son teknoloji bir çözüm sunarak ağ güvenliğinin ilerlemesine katkıda bulunuyor.
Özet (Çeviri)
The expansion of computer and internet networks has resulted in an amplified likelihood of network intrusion, thereby increasing the potential for hacking and other malicious activities. The internet, as a widely accessible public network, necessitates the exchange of data among various entities, which is typically facilitated through servers or cloud platforms. However, the security of this data is contingent upon the robustness of the cloud infrastructure, servers, and associated firewalls that are deployed to thwart potential attacks. Unfortunately, the constant advancements in software technology have rendered the existing firewalls increasingly vulnerable to overwhelming attack activities. These technological advancements have outpaced the effectiveness of traditional firewall solutions, making them insufficient in addressing the sophisticated and persistent nature of modern cyber threats. In response to this pressing concern, our study proposes an automatic attack prediction approach that harnesses the power of deep learning technology. The core objective of our research is to develop predictive models trained to detect and classify five distinct types of denial of service (DoS) attacks. By leveraging the capabilities of deep learning algorithms, our proposed models exhibit the potential to effectively identify patterns and anomalies associated with DoS attacks, enabling early detection and proactive countermeasures. Through rigorous experimentation and evaluation, our study has yielded remarkable results, with the best-achieved accuracy of attack prediction corresponding to an impressive 82.7586207 percent. This substantial level of accuracy signifies the effectiveness and viability of our proposed approach in accurately predicting and preemptively mitigating DoS attacks. Ultimately, our research contributes to the advancement of network security by providing a practical and cutting-edge solution that safeguards against the evolving threat landscape in the digital realm.
Benzer Tezler
- Derin öğrenme yaklaşımı kullanarak bulut ortamları için saldırı tespit hizmet tasarımı
A deep learning approach for designing a cloud intrusion detection service
WISAM ELMASRY
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜL HALİM ZAİM
DOÇ. DR. AKHAN AKBULUT
- Bulut bilişim sistemlerine yapılan saldırıların derin öğrenme yöntemi ile analizi
Analysis of attacks on cloud computing with deep learning method
TUĞBA TEKKOL
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET BAYKARA
- Makina öğrenmesile biyometrik sahtekarlığa ve ağ anormallik tespitine dayalı saldırı tespiti
Intrusion detection based on biometric spoofing and network anomaly detection with machine learning algorithms
SAJAD EINY
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Makine öğrenmesi algoritmaları kullanarak web günlük kayıtlarından zararlı isteklerin tespiti ve bulut tabanlı bir sistem gerçeklenmesi
Detection of malicious requests from web log records using machine learning algorithms and implementation of a cloud-based system
SALİH ŞAHİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN
- Automated analysis approach for the detection of high survivable ransomwares
Sinsi fidye yazılımlarının tespiti için otomatik analiz yaklaşımı
YAHYE ABUKAR AHMED AHMED
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ KOÇER
DR. SHAMSUL HUDA