Geri Dön

Saldırı Tespit Sistemlerinde Makine Öğrenimi Tekniklerinin Kullanımı ve Analizi

Analysis and Use of Machine Learning Techniques in Intrusion Detection Systems

  1. Tez No: 885205
  2. Yazar: BERKSU ERTUĞRUL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ DERYA ARDA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Trakya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Hesaplamalı Bilimler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 122

Özet

Günümüzün teknoloji odaklı dünyasında kamu kurum ve kuruluşlar, sağlık kuruluşları, bankalar gibi sistemler siber güvenlik riski ve tehditleri ile karşılaşmaktadırlar. Bunun gibi internet ortamında olan sistem ve uygulamaların güvenliğinin sağlanmasında Saldırı Tespit Sistemlerinin kullanımı oldukça önemlidir. İnternet ağında meydana gelen hareketleri inceleyen ve anormal davranışları tespit edebilen ve tehditlerin üstesinden gelebilen saldırı tespit sistemleri, sistemin güvenliğini sağlamada başarılı bir şekilde kullanılmaktadır. Klasik Saldırı Tespit Sistemlerinin yanı sıra makine öğrenmesi yöntemleri ile siber saldırıların tespiti ve analizi ile sistemlerin güncel tutulabilmesi sağlanabilmektedir. Bu tezde, sisteme yapılan kötü amaçlı faaliyetleri tespit edebilen makine öğrenimi tabanlı bir saldırı tespit sisteminin başarımı için kapsamlı bir analiz çalışması yapılmıştır. Bu araştırmada veri seti olarak CSE-CIC- IDS-2018 veri seti kullanılmıştır. Çalışma gerçekleştirilirken her saldırı türüne ait veriler için öncelikle veri önişleme, ardından üç farklı öznitelik seçme yönteminden toplanan bilgiler analiz edilerek her bir saldırı için öznitelikler seçilmiştir. Daha sonra makine öğrenmesi teknikleri ile STS'nin başarısı ve performansı doğruluk, duyarlılık, kesinlik ve F-Skoru ve karmaşıklık matrisi gibi metriklerle değerlendirilmiştir. Yapılan çalışmalar sonucunda tüm saldırı çeşitlerinde ortalama olarak en iyi başarıyı yaklaşık %95 doğruluk oranıyla Rassal Orman algoritması sağlamıştır.

Özet (Çeviri)

In today's technology-oriented world, systems such as public institutions and organizations, healthcare institutions and banks face cyber security risks and threats. The use of Intrusion Detection Systems is very important in ensuring the security of systems and applications on the internet. Intrusion detection systems, which examine the movements occurring on the Internet network, detect abnormal behavior and overcome threats, are used successfully to ensure the security of the system. In addition to Classical Intrusion Detection Systems, it is possible to keep systems up-to-date by detecting and analyzing cyber-attacks with machine learning methods. In this thesis, a comprehensive analysis study was conducted for the performance of a machine learning-based intrusion detection system that can detect malicious activities on the system. CSE-CIC-IDS-2018 data set was used as the data set in this research. While carrying out the study, attributes were selected for each attack by first preprocessing the data for each attack type, and then analyzing the information collected from three different feature selection methods. Then, the performance and performance of STS were evaluated with machine learning techniques and metrics such as accuracy, sensitivity, precision and F-Score and confusion matrix. As a result of the studies, the Random Forest algorithm achieved the best success on average in all attack types, with an accuracy rate of approximately 95%.

Benzer Tezler

  1. Analysis of network security using machine learning methods

    Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi

    MARYAM SALATI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İMAN ASKERBEYLİ

  2. A situational awareness framework for connected autonomous vehicles

    Bağlantılı otonom araçlar için durum farkındalık sistemi

    DERYANUR TEZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLAY ÖKE GÜNEL

  3. Automated detection and classification of malware used in targeted attacks via machine learning

    Hedefli saldırılarda kullanılan zararlı yazılımların makine öğrenimi kullanılarak tespiti ve sınıflandırılması

    YAKUP KORKMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İBRAHİM KÖRPEOĞLU

  4. Develop a robust computer network architecture that is resistant to unauthorized access by using machine learning methodologies

    Makine öğrenme metodolojilerini kullanarak yetkisiz erişime dayanıklı, sağlam bir bilgisayar ağ mimarisi geliştirin

    AYA AHMED TAWFEEQ TAWFEEQ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ Abdullahi Abdu IBRAHIM

  5. Destek vektör makinesi ile sinüs cosinüs algoritması kullanılarak hibrit saldırı tespit sisteminin tasarımı

    The design of hybrid intrusion detection system by using sine cosine algorithm with support vector machine

    SALAAD MOHAMED SLAAD SALAAD MOHAMED SLAAD

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ERKAN ÜLKER