Training and modelling with privacy in network data using machine learning
Makine öğrenimini kullanarak ağ verilerinde gizlilikle eğitim ve modelleme
- Tez No: 898239
- Danışmanlar: DOÇ. DR. ENGİN MAŞAZADE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 59
Özet
Günümüzün veri odaklı ortamında, özellikle de Nesnelerin İnterneti cihazlarının yaygın olarak benimsenmesiyle birlikte gizlilik kaygıları çok önemli hale gelmiştir. Bu çalışmada, bu endişeleri gidermek için makine öğrenimi algoritmalarının, özellikle de Gaussian Naive Bayes, Logistic Regression ve Decision Tree Diferansiyel Gizlilik gibi gizliliği koruyan tekniklerle entegrasyonu araştırılmıştır. Bu yenilikçi yaklaşımın ilkeleri, yöntemleri ve sonuçları derinlemesine incelenmiş olup; Diferansiyel Gizlilik kullanılmayan makine öğrenmesi algoritması ile doğruluk karşılaştırması yapılmıştır. 83 ağ özelliği, 3 etiket sütunu ve 9 farklı saldırı türü ile nesnelerin interneti ağ trafiğini temsil eden bir veri kümesi kullanılarak yapılan bu çalışma Diferansiyel Gizliliğe sahip çeşitli makine öğrenmesi algoritmalarının, bireysel gizliliği korurken verileri nasıl etkili bir şekilde sınıflandırabildiğini göstermiştir. Gizlilik korumasının, sınıflandırma doğruluğunda karşılık gelen bir düşüşe rağmen, daha düşük ϵ değerlerinde bile doğruluğu gözlemlenmiştir. Bu, veri hassasiyetinin çok önemli olduğu IoT uygulamalarında Diferansiyel Gizliliğin güçlü gizlilik koruması sunma konusundaki potansiyeline işaret etmektedir.
Özet (Çeviri)
Privacy concerns have become paramount in today's data-driven landscape, particularly with the widespread adoption of Internet of Things (IoT) devices. This work explores the integration of machine learning algorithms, specifically Gaussian Naive Bayes, Logistic Regression and Decision Tree, with privacy-preserving techniques like Differential Privacy to address these concerns. We delve into this innovative approach's principles, methods, and implications. Using a dataset representative of IoT network traffic, with 83 network features and 3 label column and 9 various attack types. We demonstrate how three various machine learning algorithms with Differential Privacy can effectively classify data while safeguarding individual privacy, highlighting its significance in pervasive connectivity and data-driven decision-making. Privacy protection is robust even at lower ϵ values, albeit with a corresponding decrease in classification accuracy. This underscores the potential of differential privacy to offer strong privacy protection in IoT applications where data sensitivity is a paramount concern.
Benzer Tezler
- Federe öğrenme kullanılarak nesnelerin interneti (IOT) verileri analizi
Analyzing internet of things (IOT) data using federated learning
SÜLEYMAN BURAK ALTINIŞIK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN
- Ağ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi
A comparative analysis of machine learning algorithms on network traffic forecasting
BUSE DİLAN USLAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Minority class augmentation in tabular data using generative adversarial network models
Üretken çekişmeli ağ modelleri kullanarak tablo verisinde azınlık sınıf artırımı
ESRANUR POLAT
Yüksek Lisans
İngilizce
2023
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. FULYA GÖKALP YAVUZ
- Distributed anomaly-based intrusion detection system for IoT environment using Blockchain technology
Dağıtılmış anomali tabanlı saldırı tespit sistemi Blockchain teknolojisi kullanılan IoT ortamı için
NOUHA HEJAZI
Yüksek Lisans
İngilizce
2022
Bilgi ve Belge Yönetimiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Unveiling the wireless network limitations in federated learning
Kablosuz internet ağlarındaki kısıtların federe öğrenmeye olan etkilerinin ortaya çıkarılması
MÜMTAZ CEM ERİŞ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
DOÇ. DR. BURAK KANTARCI