Anomaly detection in networks using machine learning
Makine öğrenmesi kullanarak ağlarda anomali tespiti
- Tez No: 868369
- Danışmanlar: DR. MARTIN REED
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayar ağları güvenliği, Makine öğrenmesi, Rastgele ormanlar, Saldırı algılama sistemi, Saldırı tespit sistemi (IDS), Computer networks security, Machine learning, Random forests, Introsion detection system, Intrusion detection system (IDS)
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Unıversıty Of Essex
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Elektronik Mühendisliği ve Bilgisayar Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Anomaly detection in diverse sensor networks using machine learning
Çeşitli sensör ağlarında makine öğrenimi ile anomali tespiti
ALİ ALP AKYOL
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Kurumsal ağlarda iç ağdan gelen atak ve tehditlerin makine öğrenimi yöntemleri ile sınıflandırılması ve anomali tespiti
Classification and anomaly detection of attacks and threats coming from the internal network in corporate networks using machine learning methods
SERCAN AKÇALI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZHAN KENDİRLİ
- Anomaly detection in software-defined networking using machine learning
Yazılım tanımlı ağlarda makine öğrenimi ile anomali tespiti
SOUMAINE BOUBA MAHAMAT
Yüksek Lisans
İngilizce
2018
Bilim ve TeknolojiSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CELAL ÇEKEN
- Machine learning based anomaly detection technique for in-vehicle networks
Araç içi ağlar için makine öğrenmesi tabanlı anomali tespit tekniği
ARİF AKAR
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. KLAUS WERNER SCHMIDT
- 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