Classified VPN network traffic flow using time related to machine learning
Yapay sinir ağı ile ilgili zamanı kullanarak sınıflandırılmış VPN ağ trafiği akışı
- Tez No: 940082
- Danışmanlar: DOÇ. DR. SEFER KURNAZ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Dünya çapında bir VPN güvenlik ağını tartışırken, trafik sınıflandırması ile ilgili iki temel hususa dikkat etmek önemlidir. Bu çabanın zorluğu çoğunlukla VPN protokolünün şifrelenmesine atfedilir. Ayrıca, yazılım, doğası gereği dinamik doğası nedeniyle trafiği anlama yeteneğine sahip olmalıdır. VPN'ler için trafik analizi üzerine yapılan kapsamlı çalışmaya rağmen, bu iş için zamansal kalıpları etkili bir şekilde haritalamada hala önemli bir boşluk var. İncelemedeki bu önemli eşitsizliği gidermek için, trafiği bağımsız zamansal modellere göre kategorize etmek için yapay sinir ağlarının (YSA'lar) yeteneklerini kullanan yenilikçi ve kapsamlı bir yaklaşım öneriyoruz. Ağ mimarimiz, uzay-zaman verilerini etkili ve doğru bir şekilde analiz etmek için dikkatlice ayarlanmış bir dizi derin öğrenme sisteminden oluşur. Sürecimiz, gerçek hayat senaryolarında yasal ağlardan elde edilen çeşitli VPN işlemleriyle ilgili örneklere odaklanan kesin bir veri kümesi oluşturmayı içerir. Kapsamlı araştırma ve değerlendirme de dahil olmak üzere titiz yöntemimiz, en yüksek performans seviyeleri arasında yer alan %95'lik bir sınıflandırıcı doğruluğu ile olağanüstü sonuçlar göstermiştir. Dikkate değer geliştirme, yaklaşımımızın temel etkinliğinin belirgin bir örneğini sağladı ve VPN trafiğinin kesin olarak tanımlanmasını ve bölünmesini garanti etti. Sonuç olarak, bu, ağ güvenliğini ve bireysel gizliliği desteklerken aynı zamanda ağ performansını da artırdı.
Özet (Çeviri)
When discussing a worldwide VPN security network, it is important to note two essential aspects related to traffic categorization. The difficulty of this endeavour is mostly attributed to the encryption of the VPN protocol. Furthermore, software should possess the ability to comprehend traffic due to its inherently dynamic nature. Despite the extensive study on traffic analysis for VPNs, there is still a significant gap in effectively mapping temporal patterns for this job. To address this substantial disparity in the review, we propose an innovative and comprehensive approach that utilizes the capabilities of artificial neural networks (ANNs) to categorize traffic according to independent temporal patterns. Our network architecture consists of a series of deep learning systems that have been carefully adjusted to analyzed space-time data effectively and accurately. Our process involves creating a precise dataset that focuses on instances related to various VPN operations obtained from legal networks in real-life scenarios. Our rigorous method, including thorough research and evaluation, has shown outstanding results with a classifier accuracy of 95%, which is among the highest levels of performance. The notable enhancement provided a distinct illustration of the essential efficacy of our approach, guaranteeing precise identification and division of VPN traffic. Consequently, this bolstered network security and individual privacy while also enhancing network performance.
Benzer Tezler
- Şifrelenmiş internet trafiğinin makine öğrenmesi yaklaşımı ile sınıflandırılması
Classification of encrypted internet traffic using machine learning approach
MESUT UĞURLU
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM ALPER DOĞRU
DR. ÖĞR. ÜYESİ RECEP SİNAN ARSLAN
- Şifreli ağ trafiğinin içerik açısından sınıflandırılması
Classification of encrypted networks in terms of content
RAMAZAN BOZKIR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURTAZA CİCİOĞLU
- DNS big data processing for detecting customersbehaviour of isp using an optimized apache spark cluster
İSP müşterilerin davranışlarını tespiti için optimize edilmiş bir apache spark kümesi kullanarak dns büyük veri işleme
YOUSEF ALKHANAFSEH
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHİR ÇETİN AKINCI
- İnvaziv meme karsinomlarında moleküler subtiplerde klinikopatolojik ve prognostik değerlendirme
Clinicopathological and prognostic evaluation of invasive breast carcinoma molecular subtypes
HALE DEMİR
- Türkiye kadastrosu ve sorunları
Turkey's cadastre and its problems
REFİK YILMAZ
Yüksek Lisans
Türkçe
1997
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Ana Bilim Dalı
PROF. DR. DOĞAN UÇAR