Detection of DDOS attack in IoT networks using deep learning technologies
Derin öğrenme teknolojileri kullanılarak IoT ağlarında DDOS saldırılarının tespiti
- Tez No: 885043
- 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: 86
Özet
Bu araştırmanın temel amacı, Evrişimli Sinir Ağlarını (CNN'ler) kullanarak Nesnelerin İnterneti (IoT) ağlarında Dağıtılmış Hizmet Reddi (DDoS) saldırılarını tespit etmek için etkili teknikleri araştırmak ve geliştirmekti. Teorik analizler, ampirik değerlendirmeler ve pratik uygulamalar sayesinde bu hedefe ulaşma yolunda önemli ilerlemeler kaydettik. Bulgularımız, CNN tabanlı yaklaşımların, IoT ortamlarındaki DDoS saldırılarını tespit etme konusunda umut vaat ettiğini ve geleneksel yöntemlere göre çeşitli avantajlar sunduğunu gösteriyor. Derin öğrenmenin doğal yeteneklerinden yararlanarak, önerdiğimiz çerçeve, IoT cihazlarına özgü kaynak kısıtlı kısıtlamalar dahilinde verimli bir şekilde çalışırken yüksek algılama doğruluğu elde etti. Çerçeve, rakip saldırılara karşı sağlamlık sergiledi ve çeşitli IoT dağıtımları ve saldırı senaryolarında uyarlanabilirlik gösterdi. Ayrıca araştırmamız, IoT ağlarında DDoS algılama anlayışının geliştirilmesine katkıda bulunuyor ve siber güvenlik uygulayıcıları ve araştırmacıları için pratik bilgiler sağlıyor. CNN tabanlı DDoS algılama sistemlerinin operasyonel IoT ortamlarında konuşlandırılmasına yönelik önerilen yönergeler ve en iyi uygulamalar, IoT ekosistemlerinin gelişen siber tehditlere karşı güvenliğini ve dayanıklılığını sağlamak için değerli kaynaklar olarak hizmet eder. Araştırmamız, IoT ağlarında DDoS tespitinin zorluklarını ele almada derin öğrenme teknolojilerinin, özellikle de CNN'lerin potansiyelinin altını çiziyor. Sağlam ve ölçeklenebilir çözümler geliştirerek, IoT altyapılarının güvenlik duruşunu iyileştirme ve kötü niyetli saldırılara karşı koruma sağlama yönünde önemli adımlar attık.
Özet (Çeviri)
The primary objective of this research was to investigate and develop effective techniques for detecting Distributed Denial of Service (DDoS) attacks in Internet of Things (IoT) networks using Convolutional Neural Networks (CNNs). Through theoretical analysis, empirical evaluations, and practical implementations, we have made significant strides towards achieving this goal. Our findings demonstrate that CNN-based approaches hold promise for detecting DDoS attacks in IoT environments, offering several advantages over traditional methods. By leveraging the inherent capabilities of deep learning, our proposed framework achieved high detection accuracy while operating efficiently within the resource-constrained constraints typical of IoT devices. The framework exhibited robustness against adversarial attacks and demonstrated adaptability across diverse IoT deployments and attack scenarios. Furthermore, our research contributes to advancing the understanding of DDoS detection in IoT networks and provides practical insights for cybersecurity practitioners and researchers. The proposed guidelines and best practices for deploying CNN-based DDoS detection systems in operational IoT environments serve as valuable resources for ensuring the security and resilience of IoT ecosystems against evolving cyber threats. Our research underscores the potential of deep learning technologies, particularly CNNs, in addressing the challenges of DDoS detection in IoT networks. By developing robust and scalable solutions, we have taken significant steps towards enhancing the security posture of IoT infrastructures and safeguarding against malicious attacks.
Benzer Tezler
- IoT'de meydana gelen DDoS saldırılarının derin öğrenmeyöntemleri kullanılarak büyük veri ortamında analizive tespiti
Analysis and detection of ddos attacks in IoT by using deeplearning methods in big data environment
SAMİ YARAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT DENER
- New computer security system for DDOS detection in IoT
Başlık çevirisi yok
MANAR AMEEN ABDALRAZAK ABU ALTEMEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Makina öğrenmesile biyometrik sahtekarlığa ve ağ anormallik tespitine dayalı saldırı tespiti
Intrusion detection based on biometric spoofing and network anomaly detection with machine learning algorithms
SAJAD EINY
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Interusion detection system in software defined IoT network using deep lirning and genetic algorithm
Başlık çevirisi yok
FOUAD TAHSEEN ABDULHAFEDH
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- An online network intrusion detection system for DDoS attacks with IoT botnet
IoT botnetleri ile yapılan dağıtık servis dışı bırakma saldırıları için çevrimiçi bir ağ saldırı tespit sistemi
ERİM AYDIN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞERİF BAHTİYAR