Geri Dön

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

  1. Tez No: 878128
  2. Yazar: AYA MOUSTAFA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AHMET NACİ ÜNAL
  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: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Siber Güvenlik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Siber Güvenlik Bilim Dalı
  13. 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

  1. Data mining and machine learning for cyber security intrusion detection

    Başlık çevirisi yok

    ALI MOHAMMED HASAN AL-AMEEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

  2. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED ALİ AYDIN

  3. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has Üniversitesi

    Yönetim Bilimleri Ana Bilim Dalı

    PROF. DR. HASAN DAĞ

  4. Android sistemlerde derin öğrenme tabanlı kötü amaçlı yazılım tespit sistemi

    Deep learning based malware detection system on android systems

    ESRA ÇALIK BAYAZIT

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BUKET DOĞAN

    PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ

  5. Designing a smart security framework for software defined networks

    Yazılım tanımlı ağlar için akıllı güvenlik çerçevesinin tasarlanması

    HANİ ELUBEYD

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA YILTAŞ KAPLAN