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
- Tez No: 883793
- Danışmanlar: DR. ÖĞR. ÜYESİ HAYATİ TÜRE
- 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: Gümüşhane Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2017
İnşaat MühendisliğiBoğaziçi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZER ÇİNİCİOĞLU
- 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
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANSEL ÖZYER
- Firma performans analizinde makine öğrenmesi: Düzenlileştirici regresyon yöntemleri
Machine learning in firm performance analysis: Regularization methods
ÖNDER DORAK
- A taxonomy of artificial neural networks
Yapay sinir ağlari'nin bir taksonomisi
ALP EREN YILMAZ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Determination of equivalent elastic properties of printed circuit boards
Baskı devre kartlarının eşlenik elastik özelliklerin belirlenmesi
ERDİNÇ YAKUT
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. AYTAÇ ARIKOĞLU