Ağ anomalisi tespitinde emülatör ortamı tasarımı ve makine öğrenmesi ile saldırı tespiti
Emulator environment design for network anomaly detection and attack detection with machine learning
- Tez No: 869106
- Danışmanlar: DR. ÖĞR. ÜYESİ ERSAN OKATAN
- 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: Burdur Mehmet Akif Ersoy Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
İnternetin ortaya çıkışı ve bununla bağlantılı cihazların sayısının hızla artması birçok avantajı beraberinde getirmiştir. Bu avantajların yanı sıra bize önemli zorluklar da sunmuştur. Bu zorluklar arasında siber tehditler, acil müdahale gerektiren en önemli konu olarak öne çıkıyor. Bireyleri, kuruluşları, hatta ulusların tamamını hedef alan bu saldırılar, maddi kayıpların yanı sıra duygusal ve psikolojik zarara da yol açma potansiyeli taşımaktadır. Bu olumsuz durumların ışığında bu araştırmanın amacı, ağ saldırılarını doğru bir şekilde tanımlayıp tespit edebilen anomali tabanlı tespit sistemleri geliştirmek amacıyla çeşitli makine öğrenme tekniklerinin kapsamlı bir analizini yapmaktır. Bu tez çalışması kapsamında emülatörden beş farklı veri seti oluşturmak için yararlanılmıştır. Deneysel çalışmalar üç farklı öznitelik seçimi yöntemi kullanılarak gerçekleştirilmiştir. Bu yöntemler özyinelemeli, ileri yönelimli ve manuel özellik seçimidir. Dengesiz veri kümelerini ele almak için Sentetik Azınlık Aşırı Örnekleme Tekniği uygulanarak veri artırma gerçekleştirildi. Tüm potansiyel sonuçlara ilişkin doğruluk oranları, Rastgele Orman, Kara Ağaçları, K En Yakın Komşu ve Destek Vektör Makinesi olmak üzere sınıflandırma algoritmaları kullanılarak doğruluk oranları hesaplandı. Bu hesaplamalar Python programlama dili ve Sklearn, NumPy, Pandas ve Matplotlib gibi kütüphaneler kullanılarak gerçekleştirildi. Saldırı tespit sistemlerinde, makine öğrenmesi algoritmalarından özellikle Rastgele Orman, Karar Ağaçları ve En Yakın Komşu algoritmaları, performans ve başarı açısından en yüksek düzeyde sonuçlar vermiştir. Bu üç algoritmanın doğruluk oranları genel olarak %99.92 ile %100 arasında gerçekleşmiştir. Bu durum söz konusu algoritmaların saldırı tespiti için son derece etkili olduğunu ortaya koymaktadır. Sentetik veri artırımının uygulanmasının sonuçlar üzerinde önemli bir etki yaratmadığı gözlemlenmiştir. Yapılan bu tez çalışması sayesinde, ağdaki veri modellerinin ve hacminin derinlemesine incelenmesi, izlenmesi ve analiz edilmesi, ağın verimli bir şekilde işlev görmesini sağlayacak ve bilgi paylaşımının güvenli bir şekilde gerçekleşmesine olanak tanıyacak güvenilir bir Saldırı Tespit Sistemi'nin geliştirilmesine katkıda bulunacaktır.
Özet (Çeviri)
The emergence of the Internet and the rapid increase of connected devices have brought many advantages. In addition to these advantages, it has also presented us with significant challenges. Among these challenges, cyber threats stand out as the most important issue that requires urgent intervention. These attacks, which target individuals, organisations and even entire nations, have the potential to cause emotional and psychological damage as well as material losses. In the light of these adverse situations, the aim of this research is to conduct a comprehensive analysis of various machine learning techniques in order to develop anomaly-based detection systems that can accurately identify and detect network attacks. In this thesis, the emulator was used to generate five different data sets. Experimental studies were carried out using three different feature selection methods. These methods are recursive, forward-oriented and manual feature selection. Data augmentation was performed by applying Synthetic Minority Oversampling Technique to handle unbalanced datasets. Accuracy rates for all potential results were calculated using classification algorithms including Random Forest, Black Trees, Nearest Neighbour and Support Vector Machine. These calculations were performed using Python programming language and libraries such as Sklearn, NumPy, Pandas and Matplotlib. Among the machine learning algorithms, especially Random Forest, Decision Trees and Nearest Neighbour algorithms gave the highest level of performance and success in intrusion detection systems. The accuracy rates of these three algorithms were generally between 99.90% and 100%. This shows that these algorithms are highly effective for intrusion detection. It was observed that the application of synthetic data augmentation did not have a significant effect on the results. Thanks to this thesis study, in-depth examination, monitoring and analysis of the data patterns and volume in the network will contribute to the development of a reliable Intrusion Detection System that will enable the network to function properly and allow information sharing to take place securely.
Benzer Tezler
- Quality of service and DDos attacks detection improvement with deep flows discrimination in SDNS
SDN'de derin akış ayrımcılığı ile hizmet kalitesi ve DDoS saldırılarının tespitinin iyileştirilmesi
RAMIN MOHAMMADI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. SEDAT AKLEYLEK
DOÇ. DR. ALİ GHAFFARI
- Ağ anomalisi tespitinde makine öğrenmesi algoritmalarının kullanımı ve karşılaştırmalı analizi
Comparative analysis of machine learning algorithms in network anomaly detection
MUJIBULLAH SHAMS
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT İSKEFİYELİ
- Unified anomaly detection in static graphs using randomized adversarial network
Statik çizgelerde rastgeleleştirilmiş saldırgan ağ kullanarak bütünleşik anomali tespiti
AHMET TÜZEN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Yerel ağlardan DNS tünelleme yöntemiyle veri kaçırılmasının tespitine yönelik bir yaklaşım
An approach to determining data hijacking with DNS tunneling method from local networks
UĞUR TANIK GÜDEKLİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. BÜNYAMİN CİYLAN