Adaptive decision tree with random forest integration and dimensionality reduction for efficient botnet forensics
Etkin botnet adli tıp için rastgele orman entegrasyonu ve boyut azaltma ile uyarlanabilir karar ağacı
- Tez No: 966806
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAH ABDU İBRAHİM
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 96
Özet
Verimli Botnet Adli Bilimi için Rastgele Orman Entegrasyonu ve Boyut Azaltma ile Uyarlanabilir Karar Ağacı, uyarlanabilir bir karar ağacını rastgele orman entegrasyonuyla birleştirerek botnet tespiti için yeni bir yöntem önermektedir. Botnet tespitinde yanıt değişkenleri oldukça boyutlandırılmış olduğundan, çok adımlı ve zaman alıcı tespit süreçleri büyük zorluklardır. Entegre bir yöntemle, karar ağaçlarının oluşturulmasını basitleştirmek için önce yanıt değişkenlerini çoklu sınıf ve regresyon formatları olarak modelleyebiliriz. Daha sonra, uyarlanabilir karar ağacı özellik seçimine dayanarak, uygun boyutlu özellik alanı altında rastgele orman regresyon modelini verimli bir şekilde kurmak için belirgin olmayan özellikleri filtreleriz. Dahası, çok etiketli sınıflandırmayı ele almak için, botnetten etkilenen iletişim davranışlarını tespit etmek için Tree-2-Rule prosedürlerinde küresel model olarak rastgele bir orman kullanılır. Son olarak, en iyi veri kümelerine dayalı gerçek veri deneyleri yürütülmüştür. Sonuçlar, uyarlanabilir karar ağacının verimlilik ve doğrulukta mükemmel iyileştirmeler sağladığını göstermektedir. Gelecekteki araştırmalarda, GPU dokuzuncu sıra sansürlü çok durumlu tanılama verileri, verilerin rastgele etki etkisini yok etmeyen yararlı gözlemlenmiş materyallerdir. Ayrıca, rastgele orman modelinin uygulanmasının mevcut ticari statüyü analiz etmede daha fazla zaman kazandırıp kazandıramayacağı gelecekteki geliştirmelerde açıklığa kavuşturulması gereken bir konudur. Ek olarak, bu araştırmada önerilen yöntemin geliştirilmesi daha fazla araştırma gerektirmektedir. Araştırma sonuçlarına dayanarak daha iyi hale getirebilir ve ardından tercih edilen çözümü önerebiliriz. Önerdiğimiz çözüm, hem akademik hem de ticari hedeflere uygun olarak verimli gerçek zamanlı bot olayı araştırmaları için bir araç olarak kullanılabilir.
Özet (Çeviri)
Adaptive Decision Tree with Random Forest Integration and Dimensionality Reduction for Efficient Botnet Forensics proposes a new method for botnet detection by combining an adaptive decision tree with random forest integration. As response variables are highly dimensioned in botnet detection, multistep and time-consuming detection processes are major challenges. With an integrated method, we could first model the response variables as multiclass and regression formats to simplify the construction of decision trees. Then, based on the adaptive decision tree feature selection, we filter out non-obvious features to efficiently establish the random forest regression model under the appropriately sized feature space. Furthermore, to handle multilabel classification, a random forest is employed as the global model in Tree-2-Rule procedures to detect botnet-affected communication behaviors. Finally, real data experiments have been conducted based on the top datasets. The results show that the adaptive decision tree has excellent improvements in efficiency and accuracy. In future research, the GPU ninth-ordinal censored multistate diagnosis data is useful observed materials that do not destroy the random effect influence of the data. Also, whether the application of the random forest model could save more time in analyzing existing commercial status is an issue to be clarified in future development. Additionally, the development of the method proposed in this research requires further investigation. We could improve and then propose the preferable solution based on the research results. Our proposed solution can be utilized as a tool for efficient real-time bot incident investigations, in accordance with both academic and business objectives.
Benzer Tezler
- Makine öğrenimi yöntemleri ile güneş paneli enerji üretim tahmini ve ömrünün sürdürülebilirliğe katkısı
Solar panel energy production forecasting by machine learningmethods and contribution of lifespan to sustainability
HÜSEYİN YILMAZ
Yüksek Lisans
Türkçe
2024
Enerjiİskenderun Teknik ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ŞAHİN
- Improvıng the predıctıon of oıl and gas productıon usıng artıfıcıal ıntellıgence algorıthms
Yapay zeka algoritmalarını kullanarak petrol ve gaz üretim tahminlerinin iyileştirilmesi
AZHAR NAJI MUHAJIR ALYAHYA
Yüksek Lisans
İngilizce
2025
EnerjiSakarya ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. GÜLÜZAR ÇİT
- Moleküler haberleşme sistemlerinde alıcı kestirim yöntemleri
Receiver detection methods on molecular communications systems
ERGİN ASLAN
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ERTUĞRUL ÇELEBİ
- Makine öğrenmesi yöntemleri ile hibrit ve kompozit ZA-27 alaşımlarının aşınma davranışlarının karşılaştırmalı analizi
Comparative analysis of wear behavior of hybrid and composite ZA-27 alloys using machine learning methods
SENA NUR ADIYAMAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL
- A computationally efficient heuristic algorithm for piecewise linear regression
Parçalı doğrusal regresyon için hesapsal verimliliği yüksek bir sezgisel algoritma
KÜBRA DOĞAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURKAY GENÇ