Geri Dön

Anomaly detection in networks using machine learning

Makine öğrenmesi kullanarak ağlarda anomali tespiti

  1. Tez No: 868369
  2. Yazar: KAHRAMAN KOŞTAŞ
  3. Danışmanlar: DR. MARTIN REED
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: University of Essex
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Elektronik Mühendisliği ve Bilgisayar Bilimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

Her gün milyonlarca insan ve yüzbinlerce kurum internet üzerinden birbirleriyle iletişim halindedir. Son yirmi yılda interneti kullanan insan sayısı çok hızlı artarken, bu gelişmelere paralel olarak internette yapılan saldırıların sayısı da her geçen gün artıyor. Bu saldırıları engellemek için imza tabanlı yöntemler kullanılsa da sıfırıncı gün saldırılarına karşı başarısızdır. Anomali tabanlı yaklaşım ise ağ saldırılarına alternatif bir çözümdür ve sıfırıncı gün saldırılarını da tespit etme yeteneğine sahiptir. Bu çalışmada, makine öğrenmesi yöntemleri kullanılarak ağ anomalisinin tespit edilmesi amaçlanmaktadır. Bu kapsamda CICIDS2017 veri seti olarak güncelliği ve geniş saldırı çeşitliliği nedeniyle kullanılmıştır. Bu veri seti üzerinde Rastgele Orman Regresör algoritması kullanılarak öznitelik seçimi yapılmıştır. Uygulama adımında yedi farklı makine öğrenmesi algoritması kullanılmış ve yüksek performans elde edilmiştir. Makine öğrenimi algoritmaları ve başarı oranları şu şekildedir: Naive Bayes %86, QDA %86, Rastgele Orman %94, ID3 %95, AdaBoost %94, MLP %83 ve K En Yakın Komşular %97

Özet (Çeviri)

Every day millions of people and hundreds of thousands of institutions communicate with each other over the Internet. In the past two decades, while the number of people using the Internet has increased very fast. Parallel to these developments, the number of attacks made on the Internet is increasing day by day. Although signature-based methods are used to prevent these attacks, they are abortive against zero-day attacks. On the other hand, the Anomaly-based approach is an alternative solution to the network attacks and has the ability to detect zero-day attacks as well. In this study, it is aimed to detect network anomaly using machine learning methods. In this context, the CICIDS2017 has been used as dataset because of its up-todatedness, and wide attack diversity. On this dataset, feature selection was made by using the Random Forest Regressor algorithm. Seven different machine learning algorithms have been used in the application step and achieved high performance. Machine learning algorithms and success rates are as follows: Naive Bayes 86%, QDA 86%, Random Forest 94%, ID3 95%, AdaBoost 94%, MLP 83%, and K Nearest Neighbours 97%

Benzer Tezler

  1. Anomaly detection in diverse sensor networks using machine learning

    Çeşitli sensör ağlarında makine öğrenimi ile anomali tespiti

    ALİ ALP AKYOL

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  2. 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

  3. Data-driven design and analysis of next generation mobile networks for anomaly detection and signal classification with fast, robust and light machine learning

    Hızlı, Sağlam ve Hafif Makine Öğrenmesi ile Anormallik Algılaması ve Sinyal Sınıflandırması için Yeni Nesil Mobil Ağların Veriye Dayalı Tasarımı ve Analizi

    MUHAMMED FURKAN KUCUK

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiUniversity of South Florida

    Haberleşme Ana Bilim Dalı

    DOÇ. DR. İSMAİL UYSAL

  4. Anomaly detection in software-defined networking using machine learning

    Yazılım tanımlı ağlarda makine öğrenimi ile anomali tespiti

    SOUMAINE BOUBA MAHAMAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilim ve TeknolojiSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    PROF. DR. CELAL ÇEKEN

  5. Network anomaly detection using optimized machine learning algorithm

    Optimize edilmiş makine öğrenmesi algoritmaları kullanarak ağ anomali tespiti

    TAHIRA KHORRAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURDAN BAYKAN