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: Yapay zeka, Artificial intelligence
- 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: Belirtilmemiş.
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
- Mil-Std 1553 tabanlı sistemler için yeni bir saldırı tespiti yaklaşımı
A new intrusion detection approach for Mil-Std 1553 based systems
YUNUS EMRE ÇİLOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞERİF BAHTİYAR
- 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 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
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- A smart intrusion detection systemagainst cyber attacks in unmanned aerial vehicles
İnsansız hava araçlarında siber saldırılara karşıakıllı saldırı tespit sistemi
BURCU SÖNMEZ SARIKAYA
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR