Geri Dön

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

PDF İndir

  1. Tez No: 966806
  2. Yazar: AHMED NAJM OBAID ALZUBAIDI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAH ABDU İBRAHİM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

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.

Geri Dön