Cyber security awareness policy in small business using machine learning
Makine öğrenimini kullanan küçük işletmelerde siber güvenlik farkındalığı politikası
- Tez No: 876857
- Danışmanlar: DR. ÖĞR. ÜYESİ HAKAN KOYUNCU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 83
Özet
Bilgi riskini azaltarak bilginin korunması sürecine genellikle bilgi güvenliği veya güvenli bilgi teknolojisi adı verilir. Veri riski yönetiminin önemli bir bileşenidir. Tipik olarak bu, yasa dışı veya yanlış veri erişimi olasılığının yanı sıra bilgilerin kötüye kullanılması, ifşa edilmesi, ele geçirilmesi, silinmesi ve değiştirilmesi veya çarpıtılması olasılığının önlenmesini veya en aza indirilmesini gerektirir. Durumun etkisini azaltmaya yönelik eylemleri içerir. Sonuç olarak, uygulamanın çeşitli makine öğrenimi algoritmaları kullanması nedeniyle ağ, dahili veya harici her türlü saldırıya karşı güvenlidir. Bilgi güvenliği bağlamında bu çalışmanın amacı siber riskleri tanımlamak için çeşitli makine öğrenmesi tekniklerinden yararlanmaktır. Bu makale ilk olarak farklı türdeki siber saldırılarla ilgili CICIDS2017 veri kümesini incelemektedir. İkincisi, veri kümeleri, çeşitli modeller oluşturmak ve her veri kümesindeki sayısal olmayan özellikleri sayısal özelliklere dönüştürmek için nominal kodlama yöntemlerini kullanmak üzere makine öğrenimi algoritmalarına beslenmeye hazırdır. Bunu takiben Veri setleri, rastgele ormanlar, karar ağaçları, naif Bayes, uyarlanabilir güçlendirme, gradyan artırma, dik gradyan artırma ve çok düzeyli çıkarım gibi makine öğrenme teknikleri kullanılarak analiz edilir. Veri seti, çeşitli saldırı türlerini tespit etmeyi amaçlayan iki deney yürütmek için kullanılır: 1) İyi huylu ve kötü niyetli saldırıları ayırt etmek için asimetrik sınıflandırma ve 2) Farklı kötü amaçlı saldırı türlerini tanımlamak için çeşitli kategorilerin yerleştirilmesi. Bu deneyler, her algoritmik veri kümesindeki farklı Hizmet Reddi (DoS) saldırılarını ayırt etmek için gerçekleştirildi. Deneylerin sonuçları şu şekildedir: Öncelikle her algoritma, tespit mekanizmasının parametreleri açısından kendi performansını aşmaktadır. Bu sonuçlar, makine öğrenimi algoritmalarının standart saldırıları DoS saldırılarından tanıma ve ayırt etme konusunda oldukça etkili olduğuna dair kanıt sağlar. İkinci olarak, ikinci deneyde tüm algoritmalar tüm bölgelerde tespit görevinde güçlü performans sergiliyor. Bu bulgular, makine öğrenimi algoritmalarının iki tür DoS saldırısını etkili bir şekilde tespit edip ayırt edebildiğini gösteriyor.
Özet (Çeviri)
The process of protecting information by reducing information risk is often referred to as information security or secure information technology. It is an essential component of data risk management. Typically, this entails avoiding or minimising the likelihood of unlawful or incorrect data access, as well as the possibility of misuse, disclosure, interception, deletion, and change or distortion of information. It involves actions intended to lessen the impact of the predicament. As a result, the network is safe from any attacks, internal or external, Because of the application utilizing several machine-learning algorithms. In the context of information security, the goal of this work is to utilise various machine learning techniques to identify cyber risks. This paper first studies the CICIDS2017 dataset related to different types of cyber-attacks. Second, the datasets are ready to feed into machine learning algorithms to build various models and use nominal encoding methods to convert non-numeric features in each dataset to numeric features. Following that, Data sets are analysed using machine-learning techniques such random forests, decision trees, naive Bayes, adaptive boosting, gradient boosting, steep gradient boosting, and multi-level inference. The dataset is used to conduct two experiments aimed at detecting various forms of attacks: 1) Asymmetric categorization to differentiate between benign and malevolent strikes, and 2) Settlement of several categories to identify different types of malicious attacks. These experiments were carried out to differentiate between distinct Denial of Service (DoS) attacks within each algorithmic dataset. The results of the experiments are as follows: Firstly, each algorithm surpasses its own performance in terms of the detection mechanism's parameters. These outcomes provide evidence that machine learning algorithms are highly effective in recognizing and distinguishing standard attacks from DoS attacks. Secondly, in the second experiment, all algorithms exhibit strong performance in the detection task across all regions. These findings demonstrate that machine-learning algorithms can efficiently detect and distinguish between the two kinds of DoS assaults.
Benzer Tezler
- Determining maritime cyber security dynamics on the perspective of marine insurance and development of maritime cyber security risk management tool
Denizcilik sigortaları açısından deniz siber güvenlik dinamiklerinin belirlenmesi ve deniz siber güvenlik risk yönetim aracının geliştirilmesi
GİZEM KAYİŞOĞLU
Doktora
İngilizce
2023
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- Milli güvenlik açısından siber güvenlik
Cyber security in terms of national security
SEMİH POLAT
Yüksek Lisans
Türkçe
2020
Kamu YönetimiAnkara Hacı Bayram Veli ÜniversitesiAmme İdaresi Ana Bilim Dalı
PROF. DR. HAMİT EMRAH BERİŞ
- Siber güvenlik kavramının gelişimi ve Türkiye özelinde bir değerlendirme
The evaluation of cyber security concept: A case of Turkey
BARIŞ ÇELİKTAŞ
Yüksek Lisans
Türkçe
2016
Uluslararası İlişkilerKaradeniz Teknik ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
PROF. DR. HAYATİ AKTAŞ
- Bilgi güvenliği farkındalığı ve teknolojik okuryazarlık arasındaki ilişki
The relationship between information security awareness and technological literacy
MEHMET DOĞRU
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriİSTANBUL TOPKAPI ÜNİVERSİTESİYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RANA ÖZYURT KAPTANOĞLU
- Açık ve uzaktan öğrenmede siber güvenliğin teknik destek hizmetleri kapsamında incelenmesi
Examination of cybersecurity in open and distance learning within the scope of technical support services
SEHLA ERTAN
Yüksek Lisans
Türkçe
2022
Eğitim ve ÖğretimAnadolu ÜniversitesiUzaktan Eğitim Ana Bilim Dalı
PROF. DR. T. VOLKAN YÜZER
DR. ÖĞR. ÜYESİ HAKAN KILINÇ