Tree-based machine learning methods combined with swarm intelligence feature selection for intrusion detection
Saldırı tespiti için sürü zekası özellik seçimi ile birleştirilmiş ağaç tabanlı makine öğrenimi yöntemleri
- Tez No: 898545
- Danışmanlar: DOÇ. DR. YASİN KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Gelişen teknoloji iletişim ve bilgi taşıma sürecini nesnel dünyadan dijital ortama taşımıştır. Bu değişim özellikle ağ trafiğinde atışa neden olmuştur. Bunun yanı sıra nesnel dünyada gerçekleştirilen bir çok iş ve işlem de dijital dünyaya aktarılmıştır. Banka bilgileri, ticari sır niteliğindeki bilgiler, kişisel veriler gibi hassas veriler de dijital ortama aktarıldığı için bu verilere ulaşıp çıkar elde etmeyi isteyen kötü amaçlı insanlar, geliştirdikleri yazılımlarla veri güvenliğini tehdit etmektedir. Bunun yanı sıra yoğun veri trafiği, kullanıcı sayısının çokluğu veri güvenliği sistemlerinin kapasitelerini zorlamaktadır. Veri trafiği datalarının toplanması ve veri trafiğinin normal olanla anormal olanın ayıklanması süreci yukarıda açıklanan nedenlerden ötürü zorlu bir süreçtir. Veri güvenliği sürecinin bir parçası olarak saldırı tespit sistemleri (IDS) bu süreçte görev alan yapılardan biridir. Bu sistemden beklenen, normal veri trafiği ile anormal veri trafiğini birbirinden ayırması ve bu işlemi yüksek doğruluk oranı ve olabildiğince düşük işlem süresinde yerine getirebilmesidir. Bilim dünyasında saldırıların tespiti süreci çeşitli yöntemlerle ele alınmıştır. Bazı tespit yöntemleri, daha önce anormal veri trafiği olarak işaretlenmiş verilerin izini yani imzasını ararken, bazı tespit sistemleri veri trafiğindeki anormalliği tespit etmeyi hedeflemiştir. Bu çalışmada anomali tespit yöntemi baz alınmıştır. Makine öğrenmesi otonom olması ve yüksek veri boyutlarıyla başa çıkabilmesi özellikleri nedeniyle bu yöntemde sıklıkla kullanılmıştır. Bu araştırma çalışmasında makine öğrenmesi modellerinde kullanılacak veri setini en iyi temsil eden öz nitelikleri belirlemek amacıyla sürü zekası algoritmaları kullanılmış, elde edilen özet veri seti makine öğrenmesi modelleri ile sınıflandırma işlemine tabi tutulmuştur. Önceki çalışmalarda elde edilen sonuçlarla kıyas yapabilmek için yaygın kullanılan 3 veri seti seçilmiştir. Çalışmada elde edilen sonuçlara göre, sürü zekası algoritmaları ile özetlenen veriyi kullanan makine öğrenmesi modelleri yüksek doğruluk oranına ulaşmış ve sürü zekası algoritmaları bu sürece işlem süresini kısaltma anlamında katkı sağlamıştır.
Özet (Çeviri)
With advancing technology, communication and information transfer have shifted from the physical world to the digital realm. This change has led to an increase in network traffic. At the same time, many tasks and transactions carried out in the physical world have been transferred to the digital environment. Sensitive information such as bank details, trade secrets, and personal data are moved to digital platforms, and malicious individuals aiming to access this information for profit are threatening data security with their developed software. In addition, the high volume of data traffic and the large number of users strain the capacity of data security systems. Collecting data traffic information and distinguishing between normal and abnormal data is challenging due to the reasons mentioned above. Intrusion detection systems (IDS) are key components of data security. These systems are expected to distinguish between normal and abnormal data traffic with high accuracy and in the shortest possible processing time. The scientific community has addressed the process of detecting attacks through various methods. Some detection methods search for data signatures previously marked as abnormal, while others aim to identify anomalies in data traffic. In this study, the anomaly detection method has been adopted. Machine learning is frequently used in this method due to its autonomous nature and ability to handle large data volumes. In this research, swarm intelligence algorithms were employed to determine the features that best represent the dataset used in machine learning models. The resulting summarized dataset was classified with machine learning models. Three commonly used datasets were selected to compare with results from previous studies. According to the study's results, machine learning models using data summarized by swarm intelligence algorithms achieved high accuracy rates, and swarm intelligence algorithms contributed to the process by reducing processing time.
Benzer Tezler
- Çok sınıflı medikal görüntü sınıflandırması için melez derin öğrenme yaklaşımları
Hybrid deep learning approaches for the multi class medical image classification
ZELİHA KAYA AKÇELİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖNÜL ULUDAĞ
- An intrusion detection approach based on binary particle swarm optimization and Naive Bayes
İkili parçacık sürüsü optimizasyonuna ve Naive Bayes'e dayalı bir saldırı tespiti yaklaşımı
ABDULLAHI HUSSEIN ABDULLAHII
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MESUT GÜNDÜZ
- Development of new hybrid models for prediction of VO2MAX using machine learning methods combined with feature selection algorithms
Nitelik seçme algoritmalarıyla birleştirilmiş makine öğrenme yöntemleri kullanılarak yeni hibrit VO2MAX tahmin modellerinin geliştirilmesi
FATİH ABUT
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Development of new models using machine learning methods combined with different time lags for network traffic forecasting
Farklı zaman gecikmeleri ile birleştirilmiş makine öğrenme yöntemleri ile internet trafik tahmin modellerinin geliştirilmesi
DERMAN AKGÖL
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Predicton of upper body power of cross-country skiers using machine learning methods combined with feature selection algorithms
Nitelik seçme algoritmalarıyla birleştirilmiş makine öğrenme yöntemleri kullanılarak kros kayakçıların üst vücut güç tüketiminin tahmin edilmesi
MUSTAFA MİKAİL ÖZÇİLOĞLU
Doktora
İngilizce
2016
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY