IoT security by detection of the network intrusion traffic using DL
DL kullanılarak ağ izinsiz trafiğinin tespiti ile IoT güvenliği
- Tez No: 886570
- Danışmanlar: PROF. DR. HASAN HÜSEYİN BALIK
- 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: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 103
Özet
Bu Tez“ DL Kullanılarak Ağ İzinsiz Trafiğinin Tespiti ile IOT Güvenliği,”derin öğrenme (DL) tekniklerini kullanarak IoT aygıtlarına yönelik ağa izinsiz giriş saldırılarını tespit etmeye ve önlemeye yönelik bir tekniği açıklar. Tez, ağ ziyaretçilerinin kayıtlarını okumak ve çok katmanlı bir algılayıcgı (MLP) ve Uzun Kısa Süreli Bellek (LSTM) sinir ağı kullanarak olası bir izinsiz girişe işaret eden hobi kalıplarını belirlemek için bir yöntem göstermektedir. Yazar, çok sayıda IoT cihazında güvenlik mekanizmalarının bulunmamasına ek olarak, sınırlı işleme ve hatırlama potansiyelleri nedeniyle IoT cihazlarının ağa izinsiz giriş denemelerine karşı savunmasızlığını vurguluyor. Önerilen yöntem, bu sorunla başa çıkmak için ağ ziyaretçi kayıtlarını analiz etmek ve şüpheli hobi kalıplarını tanımak için derin öğrenmeye dayalı teknik kullanıyor. Ayrıca, IoT cihazlarından elde edilen ağ sitesi ziyaretçi kayıtlarından oluşan bir veri seti üzerinde incelemeler yapılarak tez, önerilen yaklaşımın ağa izinsiz giriş tehlikelerini belirlemedeki etkinliğini açıklamaktadır. Sonuçlar, LSTM tabanlı tamamen tekniğin, hizmet reddi (DoS) saldırıları ve kötü amaçlı yazılım bulaşma saldırıları da dahil olmak üzere çeşitli türde ağa izinsiz giriş denemelerini ne kadar başarılı bir şekilde kabul ettiğini gösteriyor. Genel olarak Tez, Nesnelerin İnterneti aygıtları için güçlü güvenlik önlemlerinin uygulanmasının önemini vurgulamakta ve bu aygıtlara yönelik ağa izinsiz giriş saldırılarını tespit etmek ve önlemek için DL tekniklerinin yeteneğini göstermektedir. Önerilen çerçeve, IoT cihazlarının ve ağlarının güvenliğini artırmak ve siber saldırı ve ihlal riskini azaltmak için faydalı olabilir. Performansları eğitim, tahmin süresi, doğruluk ve farklı simülasyon sonuçları açısından tamamen hassasiyete dayalı olarak değerlendireceğiz, F1 puanını dikkate alacağız ve KDDCUP-99 veri kümesinin kullanımındaki günlük kaybını değerlendireceğiz.
Özet (Çeviri)
This thesis“IoT Security by Detection of the Network Intrusion Traffic Using DL,”describes a technique for detecting and preventing network intrusion assaults on IoT devices using deep learning (DL) techniques. The thesis indicates a method for reading network visitor records and identifying patterns of hobby that point to a likely intrusion using a multilayer perceptron (MLP) and a long-short-term memory (LSTM) neural network. The author highlights the vulnerability of IoT gadgets to community intrusion because of their limited processing and reminiscence potential, in addition to the absence of security mechanisms in numerous IoT devices. The proposed method operates a deep learning technique to analyse network visitors' records and recognise suspicious patterns of hobbies to deal with this trouble. Furthermore, via executing examinations on a dataset of network site visitor records obtained from IoT devices, the thesis elucidates the efficacy of the suggested approach in figuring out network intrusion dangers. The results display how nicely the LSTM-based totally technique has acknowledged several sorts of network intrusion attempts, consisting of denial of service (DoS) attacks and malware contamination assaults. Overall, the Thesis highlights the significance of imposing powerful security measures for IoT devices and demonstrates the capability of DL techniques for detecting and preventing network intrusion assaults on those devices. The proposed framework can be beneficial for improving the safety of IoT devices and networks, and for mitigating the risk of cyber-attacks and breaches. We will evaluate the performances in terms of training, prediction time, accuracy, and different simulation outcomes based totally on precision, taking into account, the F1 score, and log loss with the use of the dataset KDDCUP-99.
Benzer Tezler
- 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
- Kablosuz yerel alan ağlarında saldırıların tespit edilmesi ve analizi
Intrusion detection and analysis in wireless local area networks
MERVE ÖZKAN OKAY
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- Intrusion detection system in IOT networks using SVM PSO classification
IOT ağlarında SVM PSO sınıflandırması kullanarak saldırı tespit sistemi
INAS ALI ABDULMUTTALEB AL-MUSAWI
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
Assist. Prof. Dr. ABDULLAHİ ABDU IBRAHIM
- Intrusion detection system in IoT networks using deep learning classification
Başlık çevirisi yok
OMAR ABDULWAHHAB ABED AL-SUMAIDAEE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP GANSEVER
- Yazılım tanımlı ağlarda saldırı algılama ve kümeleme
Intrusion detection and clustering in software defined
ENES AÇIKGÖZOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜLKADİR ÇAKIR