Smart detection of attack in iot networks using artificial intelligence based on routing
Yönlendirmeye dayalı yapay zeka kullanılarak ıot ağlarında saldırıların akıllı tespiti
- Tez No: 940482
- Danışmanlar: DOÇ. DR. SEFER KURNAZ
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Esnekliği ve mobilitesi ile bilinen Nesnelerin İnterneti (IoT) ağı, Dağıtılmış Hizmet Reddi (DDoS) saldırılarına benzer güvenlik tuzaklarına karşı büyük ölçüde hassastır. Bu güvenlik açığı öncelikle düğüm hareketliliği, merkezi olmayan yönetim ve sınırlı bant genişliği gibi benzer özelliklere bağlanıyor. Şifreleme ve kimlik doğrulama sonuçlarının IoT'yi benzer saldırılara karşı koruma konusunda sınırları vardır. Deneyciler, bu kuruluşlara saldırmak amacıyla IoT ağlarının hızını artırmak, yanıt süresini iyileştirmek ve paket aktarım hızını optimize etmek için yapay zeka (AI) kullandılar. Yapay zeka algoritmaları, çeşitli stilleri, yorumları ve veri analitiğini uygulayarak uçtan uca alıkoymanın yanı sıra ortalama alma paketlerini (E2E ve ARP) de geliştirebilir. Bu, IDS sistemlerinin dinamik durumlara karşı sağlamlığını artırabilir ve tuzaklar hakkında öğrenme süreci aracılığıyla bilinçli görüşler vermelerini sağlayabilir. Çalışmada, Nesnelerin İnterneti (IoT) ağlarındaki saldırıları tanımlamak ve İzinsiz Giriş Tespit Sistemlerini (IDS) geliştirmek için İleri Beslemeli Sinir Ağı (FFNN) ve Evrişim Sinir Ağı (CNNN) olmak üzere iki algoritma kullanıldı. Bulgular, önerilen modelin, FFNN ve CNN'den gelen olumlu sorunları sergileyen, bağımsız olarak 82 ve 85'lik kesinlik ile 18'ler ve 17'ler içinde ulaşılan diğer modellerden daha iyi performans gösterdiğini gösterdi. Bu strateji, potansiyel tehditlere karşı savunma yaparak ve genel ağ performansını artırarak IoT ağlarının güvenliğini artırma potansiyeline sahiptir.
Özet (Çeviri)
The Internet of Things (IoT) network, known for its inflexibility and mobility, is largely susceptible to security pitfalls similar as Distributed Denial- of- Service( DDoS) attacks. This vulnerability is primarily attributed to characteristics similar as knot mobility, decentralized administration, and limited bandwidth. Encryption and authentication results have limits in securing IoT from similar attacks. In order to attack these enterprises, experimenters have employed artificial intelligence (AI) to compound the speed of IoT networks, ameliorate response time, and optimize packet transfer rate. AI algorithms can enhance the end- to- end detention as well as the average receiving packets (E2E & ARP) by enforcing a variety of styles, interpretations, and data analytics. This can enhance the rigidity of IDS systems to dynamic situations and enable them to make informed opinions through the process of learning about pitfalls. The study employed two algorithms, videlicet the Feed Forward Neural Network (FFNN) and Convolution Neural Network (CNNN), to identify assaults and enhance Intrusion Detection Systems (IDS) in Internet of Things (IoT) networks. The findings demonstrated that the suggested model outperformed other being models, flaunting favorable issues from FFNN and CNN, with rigor of 82 and 85 independently, reached within 18s and 17s. This strategy has the potential to enhance the security of IoT networks by defending against potential threats and enhancing overall network performance.
Benzer Tezler
- Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi
A novel deep learning-based intrusion detection system for internet of things networks
KEMAL AKKANAT
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
PROF. DR. MUHARREM TOLGA SAKALLI
- Comparison of intrusion detection for the internet of things with machine and deep learning methods
Makine ve derin öğrenme yöntemleri ile nesnelerin interneti için saldırı tespitinin karşılaştırılması
SIHAM AMAROUCHE
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM KÜÇÜK
- IoT ağları için yeni bir saldırı tespit sistemi tasarımı
Design of a new intrusion detection system for IoT networks
TUĞBA ULUSOY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. ÜNAL ÇAVUŞOĞLU
- Makine öğrenimini kullanarak IoT ağlarında saldırı tespiti
Intrusion detection in IoT networks using machine learning
HANAN ABU KWAIDER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ AVAROĞLU
- 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