Using deep learning technology to optimize VPN networks based on security performance
Güvenlik performansına göre VPN ağlarını optimize etmek için derin öğrenme teknolojisinin kullanılması
- Tez No: 884682
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMAD İLYAS
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Son yıllarda ağ yeniliklerinin genişlemesi ve ağ kullanıcılarının sayısındaki artış, ağ güvenliği kaygıları ve tekniklerinin daha fazla vurgulanmasına yol açmıştır. Ağ güvenliğindeki yaygın eğilim, internet üzerinden çalışan ağlarla, özellikle de web tabanlı ağlarla ilgilidir. İnternet kullanıcılarının farklı kökenleri göz önüne alındığında, öngörülemeyen bireylerin varlığı, onların kötü niyetli davranışlarda bulunma olasılığını artırmaktadır. Gerekli güvenlik ve gizlilik önlemlerinin uygulanmasını garanti altına almak için çok sayıda teknoloji oluşturulmuştur. Bu çalışmada geniş ağlar üzerindeki belirli bağlantılar için gerekli güvenlik düzeyini sağlamanın bir yolu olarak sanal özel ağ (VPN) kullanımı sunulmaktadır. Güvenli ana bilgisayarlar, yetkilendirilmemiş bağlantıları filtreledikleri için VPN'lerden yararlanabilir. Bir VPN ağı oluşturarak, harici bağlantılar etkili bir şekilde engellenirken bağlantılar gizli tutulabilir. Verim ve gecikme gibi diğer ağ performansı ölçütlerine ulaşıldı; bu girişim, ağ güvenliğini güçlendirme aracı olarak bir VPN uygulanmasını öneriyor. Bir VPN'in normal bir ağın performansı üzerindeki etkisi, (CBR, HTTP ve FTP) yükleri gibi çeşitli trafik türlerinin oluşturulması ve analiz edilmesiyle incelenir. Değerlendirme prosedüründe performans göstergeleri olarak verim ve zaman gecikmesi kullanıldı. Bu nedenle derin öğrenmenin (DL) kullanılması saldırıların tahmin edilmesinde alternatif bir yöntemdir. Eğitim aşamasında saldırı modellerini öğrenerek saldırıları doğru bir şekilde tahmin edebilen DL teknolojisi. Bu tahmin yöntemleri Nave Bayes ve FFNN gibi. Sonuçlar, VPN kullanımının, iletilen verinin türüne bağlı olarak paket gecikmesi ve verimi üzerinde farklı etkileri olduğunu göstermektedir. Ancak saldırıları tespit etmek için saldırı önleme amaçlı makine öğrenimi tabanlı bir model geliştirildi. Sonuç, FFNN algoritmasının izinsiz girişleri %98 doğruluk oranıyla tespit edebildiğini göstermektedir.
Özet (Çeviri)
In recent years, the expansion of network innovations and the rise in the number of network users have led to a greater emphasis on network security concerns and techniques. The prevalent trend in network security relates to networks that operate over the internet, specifically web-based networks. Given the diversified origins of Internet users, the presence of unpredictable individuals increases the likelihood that they will engage in malicious behaviour. Numerous technologies have been created to guarantee the implementation of necessary security and privacy measures. As a means of providing the necessary level of security for certain connections across broad networks, the use of a virtual private network (VPN) is presented in this work. Secured hosts can benefit from VPNs because they filter out connections that aren't authorized. By constructing a VPN network, connections can be maintained in secret while external connections are effectively blocked. Other network performance measures, such as throughput and latency, have been reached, this initiative recommends implementing a VPN as a means of strengthening network security. The effect of a VPN on a regular network's performance is examined by generating and analyzing various types of traffic, such as (CBR, HTTP, and FTP) payloads. Throughput and time delay were utilized as performance indicators in the evaluation procedure. Therefore, using deep learning (DL) is an alternative method for the prediction of attacks. DL technology that can accurately predict attacks by learning attack patterns during the training phase. This predictor methods, such as Nave Bayes and FFNN. The results indicate that the use of a VPN has different effects on packet latency and throughput depending on the type of transmitted data. To detect attacks, however, a machine learning-based model for attack prevention has been developed. The outcome indicates that the FFNN algorithm can detect intrusions with an accuracy rate of 98%.
Benzer Tezler
- Derin öğrenme yoluyla akıllı yansıtıcı yüzeylerin fazlarının ayrık olarak yapılandırılması ve pilot yükü azaltılması
Optimizing intelligent reflecting surfaces with discrete phase shifts and pilot overhead reduction using deep learning
YASİN EMRE TOK
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ALİ MURAT DEMİRTAŞ
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Derin öğrenme ile modülasyon sınıflandırması
Modulation classification with deep learning
SELÇUK BALSÜZEN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- Araçlarda sürücü destek amaçlı yapay zeka yöntemlerinin uygulanması
Application of artificial intelligence methods for driver assistance in vehicles
CEMRE BELEMİR ŞAFAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKTO Karatay ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ ÖZTÜRK
- Deep fake image detection based on deep learning using a hybrid CNN-LSTM with machine learning architectures as classifier
Makine öğrenme mimarileri kullanılarak hibrid CNN-LSTM ile derin öğrenmeye dayalı deep fake görüntü tespiti
OMAR ALFAROUK AL-DULAIMI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ