Integration between network intrusion detection and machinelearning techniques to optimizing network security
Ağ güvenliğinin optimize edilmesi için ağ sızıntı tespiti ile makine öğrenme teknikleri arasındaki entegrasyon
- Tez No: 884021
- Danışmanlar: DOÇ. DR. SEFER KURNAZ
- 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: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Siber güvenlik riskleriyle kuşatılmış, giderek bağlantılı hale gelen bir dünyada, güçlü izinsiz giriş tespit sistemlerine (IDS) duyulan ihtiyaç çok önemlidir. Bu tez IDS gelişimine yeni bir yaklaşım önermektedir. algılama doğruluğunu ve direncini artırmak için modern makine öğrenimi algoritmalarını ve özellik seçme tekniklerini kullanıyor. Daha önceki araştırmalardan ders alarak mevcut IDS yaklaşımlarındaki temel kusurları ele alıyoruz. ölçeklenebilirliğe ve gelişmiş saldırılara karşı duyarlılığa vurgu. Rastgele Orman, Gradyan Arttırma Makineleri ve Sinir Ağlarını içeren önerdiğimiz hibrit modelimiz, ağ izinsiz girişlerini tespit etmede %96 gibi dikkate değer bir doğruluk oranı elde ediyor. İzinsiz Giriş Tespiti Değerlendirme Veri Kümesini (CIC-IDS2017) kullanan denemelerimiz, önerilen tekniğin gerçek dünya koşullarındaki etkinliğini göstermektedir. Bu araştırma, dijital altyapıların güvenliğini ve dayanıklılığını güçlendirmeye yönelik pratik bilgiler sunarak siber güvenlik tekniklerinin gelişimine katkıda bulunuyor.
Özet (Çeviri)
In an increasingly linked world beset with cybersecurity risks, the necessity for powerful intrusion detection systems (IDS) is paramount. This thesis proposes a fresh approach to IDS development. using modern machine learning algorithms and feature selection techniques to boost detection accuracy and resistance. Drawing upon lessons from earlier research, we address fundamental flaws in existing IDS approaches. emphasis on scalability and susceptibility to advanced assaults. Our suggested hybrid model, incorporating Random Forest, Gradient Boosting Machines, and Neural Networks, obtains a remarkable accuracy rate of 96% in identifying network intrusions. Utilizing the Intrusion Detection Evaluation Dataset (CIC-IDS2017), Our trials illustrate the efficacy of the proposed technique in realworld circumstances. This research contributes to the evolution of cybersecurity techniques by delivering practical insights for strengthening the security and resilience of digital infrastructures.
Benzer Tezler
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların el yazılarının görüntü işleme teknikleri ile analizi
Analysis of handwriting of children with attention deficit hyperactivity disorder using image processing techniques
ÖZLEM YILDIZ BUDAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK
- Koroner arter hastalığının makine öğrenmesi teknikleriyle teşhisi
Diagnosis of coronary artery disease using machine learning techniques
ŞÜKRÜ ALKAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Multipart music transcription using deep neural networks
Derin öğrenme ağları ile çok sesli müzik transkripsiyonu
EMİN GERMEN
- Yazılım tanımlı ağlar ve nesnelerin interneti temelli akıllı şebekelerde anomali tespiti
Anomaly detection in smart grids based on software-defined networks and the internet of things
HİLAL YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA BALTA