Geri Dön

Elastic stack ve makine öğrenmesi ile IoT güvenliği: Dos saldırılarına karşı akıllı savunma sistemi

IoI security with elastic stack and machine learning: Intelligent defence system against Dos attacks

  1. Tez No: 883793
  2. Yazar: TUĞRUL YAĞBASAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HAYATİ TÜRE
  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: Türkçe
  9. Üniversite: Gümüşhane Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

Teknolojinin gelişmesiyle IoT cihazların kullanımı artmaktadır. Bu cihazlar, iletişim kurma ve veri toplama gibi yeteneklerle endüstriyel, sağlık, ulaşım gibi birçok alanda kullanılmaktadır. Ancak, bu cihazların artan kullanımı, siber saldırıların da artmasına neden olmaktadır. Geçmişte Mirai botnet saldırıları gibi örnekler, IoT cihazlarının güvenliğinin ne kadar kritik olduğunu göstermiştir. Bu nedenle, çalışmada Elastic Stack, makine öğrenmesi ve derin öğrenme teknolojilerinin kullanımıyla IoT cihazlarının güvenliğini artırmaya yönelik akıllı savunma sistemi geliştirilmesi amaçlanmıştır. Çalışmada Bot-IoT ve Unsw-IoT-B datasetleri kullanılarak atakların belirlenmesi üzerine yoğunlaşılmıştır. Çalışmada makine öğrenmesi yöntemlerinden random forest, Decision Tree (Information Gain), Decision Tree (Gini Index), Naive Bayes teknikleri kullanılmıştır. Derin öğrenme yöntemlerinden Lstm, Rnn ve Svm kullanılarak datasetleri üzerinde atak ve atak tipleri tespiti gerçekleştirilmiştir. Tasarlanan modelde makine öğrenmesi yöntemleriyle %0.9998 lik başarım oranları yakalanmış olup derin öğrenme yöntemleriyle %0.98 lik doğruluk oranı elde edilmiştir. Bu modelle birlikte yapay zeka destekli saldırı tespit sistemlerinin IoT cihazlarının güvenliklerinde faydalı olacağını göstermektedir.

Özet (Çeviri)

With the development of technology, the use of IoT devices is increasing. These devices are used in many areas such as industrial, health, transportation with capabilities such as communication and data collection. However, the increasing use of these devices also leads to an increase in cyber-attacks. In the past, examples such as Mirai botnet attacks have shown how critical the security of IoT devices is. Therefore, this study aims to develop an intelligent defense system to increase the security of IoT devices by using Elastic Stack, machine learning and deep learning technologies. The study focuses on the detection of attacks using Bot-Iot and Unsw-IoT-Botnet datasets. Random forest, Decision Tree (Information Gain), Decision Tree (Gini Index), Naive Bayes techniques were used in the study. Lstm, Rnn and Svm, which are deep learning methods, were used to detect attacks and attack types on datasets. In the designed model, %0.9998 success rate was achieved with machine learning methods and %0.98 accuracy rate was achieved with deep learning methods. With this model, it shows that artificial intelligence supported intrusion detection systems will be useful in the security of IoT devices.

Benzer Tezler

  1. Using machine learning approaches to construct correlations for cohesive soils using in-situ and laboratory data

    Kohezyonlu zeminler için makine öğrenmesi yaklaşımları kullanılarak arazi ve laboratuvar test verileri ile korelasyon kurulması

    WALID KHALID MBARAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İnşaat MühendisliğiBoğaziçi Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZER ÇİNİCİOĞLU

  2. Dinamik sosyal ağlarda akan ve çok boyutlu veri üzerinden analiz ve tahmin yapılması

    Analysis and prediction in sparse and high dimensional data with using dynamic social networks

    ONUR CAN SERT

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TANSEL ÖZYER

  3. Firma performans analizinde makine öğrenmesi: Düzenlileştirici regresyon yöntemleri

    Machine learning in firm performance analysis: Regularization methods

    ÖNDER DORAK

    Doktora

    Türkçe

    Türkçe

    2023

    İstatistikAnadolu Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. EMEL ŞIKLAR

  4. A taxonomy of artificial neural networks

    Yapay sinir ağlari'nin bir taksonomisi

    ALP EREN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  5. Determination of equivalent elastic properties of printed circuit boards

    Baskı devre kartlarının eşlenik elastik özelliklerin belirlenmesi

    ERDİNÇ YAKUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. AYTAÇ ARIKOĞLU