Deep research for security intrusion detection cryptography, datasets, threats and potential solutions
Güvenlik ihlal tespiti için derinlemesine araştırma: Şifreleme, veri setleri, tehditler ve potansiyel çözümler
- Tez No: 878128
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET NACİ ÜNAL
- 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: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Siber Güvenlik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Siber Güvenlik Bilim Dalı
- Sayfa Sayısı: 219
Özet
Bu çalışma, gelişen siber güvenlik ortamında IDS (Saldırı Tespit Sistem) algoritmalarını inceleyerek, bu algoritmaların mekanizmaları, etkinlikleri ve tehdit azaltma yeteneklerine odaklanmaktadır. Kriptografik teknikler, zorluklar ve veri setleri araştırılmakta olup, IDS dünyasına içgörüler kazandırmayı ve iyileştirmeler önermeyi amaçlamaktadır. Çalışma, IDS'deki şifreleme tekniklerini inceleyerek, bu tekniklerin veri güvenliğini koruma ve anomali tabanlı ve imza tabanlı IDS'lerde kötü niyetli davranışların tespitindeki rolünü vurgulamaktadır. Ayrıca, IDS modellerinin eğitiminde ve değerlendirilmesinde veri setlerinin önemine dikkat çekmekte ve tehdit tespiti için en etkili algoritma veya kombinasyonu belirlemeyi hedeflemektedir. CSE-CIC-IDS2017, UNSW-NB15 ve Kyoto 2006+ veri setlerinde IDS Makine Öğrenimi modellerini değerlendirdikten sonra, Random Forest sınıflandırıcısının (%99.93)'e kadar doğruluk, hassasiyet ve geri çağırma ile en iyi performansı gösterdiği ortaya çıkmıştır. LSTM modeli de aynı kriterlerde (%99.85) gibi umut verici sonuçlar gösterirken, Lojistik Regresyon ve GaussianNB gibi diğer modeller daha düşük doğruluklara sahipti. Veri setleri, eğitimli modellerin genel geçerliliği ve dayanıklılığının artırılması için standardizasyon gerekliliğini vurgulayan benzersiz zorluklar sunmaktadır.
Özet (Çeviri)
This study delves into IDS algorithms in the evolving cybersecurity landscape, focusing on their mechanisms, effectiveness, and threat mitigation capabilities. It explores cryptographic techniques, challenges, and datasets, aiming to contribute insights into the world of IDSs and suggest improvements. The study scrutinizes encryption techniques in IDS, emphasising their role in protecting data security and malicious behaviour detection in anomaly-based and signature-based IDSs. It also highlights the importance of datasets in training and evaluating IDS models, culminating in identifying the most effective algorithm or combination for threat detection. After assessing IDS ML models on the CSE-CIC-IDS2017, UNSW-NB15, and Kyoto 2006+ datasets, the Random Forest classifier emerges as the top performer with up to (99.93%) accuracy, precision, and recall. The LSTM model also showed promising results of (99.85%) in the same criteria, while other models like Logistic Regression, followed by the GaussianNB had lower accuracies. The datasets present unique challenges, underscoring the need for standardisation for improved generalizability and robustness of trained models.
Benzer Tezler
- Data mining and machine learning for cyber security intrusion detection
Başlık çevirisi yok
ALI MOHAMMED HASAN AL-AMEEN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Ağ güvenliği yönetimi için akıllı ajanlar teknolojisi kullanılarak saldırı tespitine yönelik yeni bir yaklaşım
A novel approach for intrusion detection using intelligent agents technology for network security management
HAKAN AYDIN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED ALİ AYDIN
- A new architecture for network intrusion detection systems by learning jointly from tabular and text-based features
Ağ sızma tespit sistemleri için tablosal ve metin temelli özniteliklerden birlikte öğrenmeye dayalı yeni bir mimari
BERKANT DÜZGÜN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. HASAN DAĞ
- Android sistemlerde derin öğrenme tabanlı kötü amaçlı yazılım tespit sistemi
Deep learning based malware detection system on android systems
ESRA ÇALIK BAYAZIT
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BUKET DOĞAN
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- Designing a smart security framework for software defined networks
Yazılım tanımlı ağlar için akıllı güvenlik çerçevesinin tasarlanması
HANİ ELUBEYD
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA YILTAŞ KAPLAN