Enhancing intrusion detection with privacy-preserving federated learning: Differential privacy and incremental learning integrating
Gizliliği koruyan federated öğrenme ile giriş tespitini geliştirme: Farklı mahremiyet ve artırımlı öğrenme entegrasyonu
- Tez No: 929537
- Danışmanlar: DR. ÖĞR. ÜYESİ AYŞE NURDAN SARAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Siber güvenlikte, Saldırı Tespit Sistemleri (IDS), ağları ve sistemleri kötü niyetli faaliyetleri tespit etmek için tarar ve hassas veriler tehlikeye girmeden tehditleri tanımlamaya yardımcı olur. Makine öğreniminin (ML) tanıtılması, IDS'yi otomatik ve akıllı tehdit algılama mekanizmaları sağlayarak geliştirmiştir. Ancak, Federated Learning (FL) gibi dağıtılmış ortamlarda ML modellerinin eğitimi, model parametrelerinin analizi yoluyla hassas bilgileri açığa çıkarabilir. FL, verileri yerelleştirerek belirli gizlilik sorunlarını hafifletir, ancak gerçek bir gizlilik koruması için yeterli değildir ve geliştirilmesi gereklidir. Özellikle, Artırımlı Öğrenme (IL), IDS'yi yeniden eğitime ihtiyaç duymadan yeni siber güvenlik tehditlerine uyum sağlama yeteneği sunarak iyileştirir. Bu, hesaplama açısından maliyeti düşük tutar ve yeni saldırı davranışlarına hızla uyum sağlar. Özellikle, Federated Differential Privacy Enhanced Model Aggregation adlı bir yöntem öneriyoruz; bu yöntem, federated ML bağlamında hem gizliliği hem de doğruluğu artırmayı hedeflemektedir. Bu yöntem, bir global modelin başlatıldığı ve istemci tarafında eğitimle daha da geliştirildiği bir sunucu-istemci mimarisi kullanır ve güncellemeler güvenli bir şekilde birleştirilir. Ayrıca, veri gizliliğini artırmak için gradyanlara gürültü ekleyen DP-SGD optimizasyonuyla eğitilmiş çok katmanlı bir algılayıcı (MLP) kullandık. Performansı değerlendirdik ve deneysel sonuçlar, önerdiğimiz yaklaşımda sınıf artımlı öğrenmenin doğruluğunun %92,4'e ve özellik artımlı öğrenmenin %99,4'e ulaştığını göstermektedir. Bu sonuçlar, modelimizin yeni verileri iyi bir şekilde öğrenebildiğini ortaya koymaktadır. Süreç, gizliliği koruyucu ve verimli kalmakta olup farklı veri kümesi türleri üzerinde iyi performans sergilemektedir. Bu nedenle, modern çağda bir saldırı tespit sistemi (IDS) için geçerli bir aday olduğuna inanıyoruz.
Özet (Çeviri)
In cybersecurity, Intrusion detection systems (IDS) are crucial in scanning networks and systems to detect malicious activities and help to identify the threats before sensitive data is compromised. The introduction of machine learning (ML) has enhanced IDS by providing mechanisms for automated and intelligent threat detection. However, the training of ML models in such distributed settings, e.g., in Federated Learning (FL), may be an issue for training and may still expose sensitive information through model parameters analysis. FL mitigates certain privacy issues by localizing the data, however, it is not sufficient for genuine privacy protection and requires improvement. Specifically, Incremental Learning (IL) improves IDS providing the ability models adjusting to new cybersecurity threats without the need for retraining from scratch. This keeps it computationally inexpensive and allows it to quickly adapt to novel attack behaviours. In particular, we propose Federated Differential Privacy Enhanced Model Aggregation, a method targeted towards enhancing both privacy and accuracy in federated ML context. It uses a server-client architecture, where a global model is initialized and further improved with client-side training, while updates are securely aggregated. We also used a multi-layer perceptron trained with the DP-SGD optimizer which drops noise into the gradients to achieve better data privacy. We evaluated the performance, the experimental results show that the accuracy of class incremental learning in our proposed approach can reach 92.4% and feature incremental learning can reach 99.4%, they demonstrate that the learning can match the new data well. The procedure remains privacy-preserving and efficient and has good performance over diverse dataset types, so we believe it to be a valid candidate for intrusion detection systems (IDS) in modernity.
Benzer Tezler
- İntrauterin inseminasyonda laparoskopinin gebelik oranlarına etkisi
The affect of laparoscopy to the pregnancy rates in intrauterine insemination
ATALAY EKİN
Tıpta Uzmanlık
Türkçe
2008
Kadın Hastalıkları ve DoğumAkdeniz ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. ÖMÜR TAŞKIN
- Etik davranma becerisinin ilkokul - ortaokul öğrencilerinde gelişme düzeyi üzerine öğretmen görüşlerinin incelenmesi: Muğla ili örneği
Investihating teacher views about progress of ethical behaving ability of elementary and middle school students: Sample of Muğla
YILDIRAY AYDIN
Yüksek Lisans
İngilizce
2014
Eğitim ve ÖğretimMuğla Sıtkı Koçman Üniversitesiİlköğretim Ana Bilim Dalı
DOÇ. DR. ÖZGÜR YILDIZ
- Elazığ İl merkezinde bulunan aile sağlığı merkezlerinde görev yapan sağlık çalışanlarının anksiyete düzeyleri
Anxiety levels of health workers who work in family health centers located in the center of Elazığ
SİBEL KARAASLAN
Tıpta Uzmanlık
Türkçe
2015
Halk SağlığıFırat ÜniversitesiHalk Sağlığı Ana Bilim Dalı
PROF. DR. SÜLEYMAN ERHAN DEVECİ
- Fazla kilolu ve obez kadınlarda adımsayar ile egzersiz şiddetinin belirlenmesi ve izlenmesi
Overweight and obese women with a pedometer determination and monitoring exercise intensity
HURİYE ESRA GÖÇER
Tıpta Uzmanlık
Türkçe
2015
Fiziksel Tıp ve RehabilitasyonPamukkale ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. FÜSUN ARDIÇ
- Triptofan uygulamalarının tuz stresi altındaki biber tohumlarının çimlenme performansları üzerine etkilerinin incelenmesi
Seed treatment with tryptophan improves germination performance of pepper during salinity stress
AYŞE GEREKLİ
Yüksek Lisans
Türkçe
2015
ZiraatKahramanmaraş Sütçü İmam ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. AHMET KORKMAZ