A new IoT security framework using hybrid deep learning techniques
Hibrit derin öğrenme tekniklerini kullanan yeni bir IoT güvenlik çerçevesi
- Tez No: 968675
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
Sistemleri, uygulamaları, veri yönetimini, işlemleri birbirine bağlayan Nesnelerin İnterneti bir ağ kurar, kuruluşları sürekli desteklerken aynı zamanda siber saldırılar için yeni yollar açar. IoT güvenliği şu anda yasadışı indirme ve virüs saldırıları nedeniyle ciddi şekilde tehdit altındadır ve bu saldırılar özel verileri tehlikeye atma ve bir şirketin itibarına ve finansmanına zarar verme potansiyeline sahiptir. Burada Nesnelerin İnterneti ortamlarında saldırıları tespit etmek ve önlemek için bir hibrit derin öğrenme optimizasyon stratejisini açıklıyoruz. Öncelikle ilgili yönleri belirleyip niceleyerek bir siber güvenlik uyarı sistemi dizini oluşturuyoruz ve ardından durumu değerlendiriyoruz. Verilerin boyutunu düşürerek ve gürültülü girdileri ortadan kaldırarak bir Saldırı Algılama Sisteminin (IDS) verimliliğini artırmak için biyolojik olarak ilham alan yaklaşımlar kullanıyoruz. IDS etkinliğini artıran bu tür yöntemlerden biri, hem tipik hem de anormal ağ tıkanıklığını tespit edebilen Gri Kurt Optimizasyonu (GWO) algoritmasıdır. Farklı ön işleme teknikleri kullanarak akıllı başlatma adımını geliştirdik ve bilgilendirici özelliklerin hemen orada olduğundan emin olduk. Büyük veri ortamında temel veri özelliklerini en aza indirmek için, Dizin bileşenlerini bulmak ve onaylamak için, saldırıları önlemek için simülasyonda derin öğrenme stratejisiyle Balina ve Gri Kurt optimizasyonunu entegre edin. TensorFlow, kopyalanan yazılımları sınıflandırmak için sistem yazılımı intihal tespitini kullanan derin bir sinir ağıdır. IoT'de siber güvenlik tehditlerini değerlendirmek için önerdiğimiz strateji, deneysel verilerle kanıtlandığı üzere, mevcut yaklaşımlardan daha iyi sınıflandırma sonuçları sunmaktadır. Bu nedenle, IoT'de etkili saldırı önleme için derin bir evrişimli ağ ile birlikte Balina ve Gri Kurt Optimizasyonunu (WGWO) kullanıyoruz.
Özet (Çeviri)
Connecting systems, apps, data management, operations, the Internet of Things builds a network, continuously supports organizations while also opening up new avenues for cyberattacks. IoT security is currently seriously threatened by illicit downloading and virus attacks, which have the potential to compromise private data and harm a company's reputation and finances. Here we describe a hybrid deep learning optimization strategy for detecting and averting assaults in Internet of Things environments. We build a cybersecurity warning system index by first identifying and quantifying pertinent aspects, and then we assess the situation. We employ bio-inspired approaches to increase the efficiency of an Intrusion Detection System (IDS) by lowering the dimensionality of the data and eliminating noisy inputs. One such method that improves IDS effectiveness is the Grey Wolf Optimization (GWO) algorithm, which can identify both typical and anomalous network congestion. By using different pre-processing techniques, we have enhanced the intelligent initialization step and made sure that informative features are there right away. To minimize underlying data characteristics in a large data environment, To find and confirm index components, integrate Whale and Grey Wolf optimization with a deep learning strategy in simulation to prevent attacks. TensorFlow is a deep neural network that uses system software plagiarism detection to classify software that has been copied. Our suggested strategy for assessing cybersecurity threats in IoT offers better classification results than current approaches, as evidenced by experimental data. Therefore, we use Whale and Grey Wolf Optimization (WGWO) in combination with a deep convolutional network for efficient attack avoidance in IoT.
Benzer Tezler
- An intelligent atrous convolution-based cascaded deep learning framework for enhanced privacy preservation performance in edge computing
Kenar bilişiminde geliştirilmiş gizlilik koruma performansı için akıllı atrous konvolüsyon tabanlı derin öğrenme çerçevesi
FATIMA ABUSIRYEH
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
- Optımızatıon of payment automatıon ın constructıon projects through blockchaın-based smart contracts
İnşaat projelerinde ödeme otomasyonunun blokzincir tabanlı ve akıllı sözleşmelerle optimize edilmesi
HANAN RAJABBASHA HUBBİ
Yüksek Lisans
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK
- A security protocol for IoT networks using blacklisting and trust scoring
Kara listeleme ve güven puanlama kullanan ıot ağları için bir güvenlik protokolü
CEM ATA BAYKARA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KÜBRA KALKAN ÇAKMAKCİ
DR. ILGIN ŞAFAK
- Improving data integrity and device identification security of IoT using dynamic lightweight blockchain technology and AES encryption
Başlık çevirisi yok
SALEEM SABTI HAMEEDI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BAYAT
- Development of a new machine learning-based method to detect threats and prevent attacks on the internet of things and simulation with Cooja
Nesnelerin internetinde tehditleri algılamak ve saldırıları önlemek için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi ve Cooja ile benzetimi
ALI HAMID AHMED SALEH FAREA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM KÜÇÜK