A novel network intrusion detection and application identification approach based on matrix profile and gramian angular summation field
Matris profil ve gramıan açısal toplam alan tabanlı özgün bir ağ saldırısı tespiti ve uygulama tanıma yaklaşımı
- Tez No: 972085
- Danışmanlar: PROF. DR. EMİN ANARIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ağ ihlalleri ve saldırılar, internet yapısı için ciddi bir tehdit oluşturmaktadır. İletişim ağlarının bütünlüğünü koruyabilmek için saldırıların doğru bir şekilde tanınma\-sı gereklidir. Ayrıca, güvenlik ve hizmet kalitesi açısından ağ trafiğinin doğru bir şekilde sınıflandırılması gereklidir. Makine öğrenmesi uygulamaları, ağ güvenliği de dâhil olmak üzere çeşitli alanlardaki sınıflandırma problemlerinde üstün performans sergilemiş\-tir. Gizli kalıpların ortaya çıkarılması karmaşık olarak değerlendirilmekte ve bu nedenle çeşitli yeni yöntemlere açık bir alan olarak görülmektedir. Matris Profil (MP) ve Gramian Açısal Toplam Alanı (GASF), makine öğrenmesi modellerinde başarıyla kullanılabilecek matematiksel algoritmalardır. Bu tez, MP ve GASF yöntemlerini makine öğrenmesi sınıflandırıcılarıyla birleştiren yeni bir ağ saldırısı tespit ve uygulama sınıflan\-dırma yöntemi sunmaktadır. Rastgele Orman modelinin başarısı MP ile artırılabilirken, Evrişimsel Sinir Ağları(CNN) sınıflandırıcısının doğruluğu GASF yöntemiyle geliştirile\-bilir. Zaman serilerindeki desenleri görselleştirebilmek için öznitelikler GASF yöntemi ile görüntüye dönüştürülmektedir. Daha sonra bu görüntüler CNN modeline beslenmektedir. Zaman serilerindeki benzerlikler, Rastgele Orman sınıflandırıcısına girdi olarak kullanılmak üzere MP algoritması ile hesaplanmaktadır. Önerilen modelin değerlendirilmesi, çeşitli saldırılar ve ağ trafiği uygulama türlerini içeren herkese açık veri kümeleri ile gerçekleştirilmiştir. Doğrulama sonuçları, sunulan yaklaşımın başarılı ve uygulanabilir olduğunu kesin olarak kanıtlamaktadır. Bu çalışmanın temel başarısı, MP ve GASF gibi matematiksel algoritmaların makine öğrenmesi modelleriyle birleştiril\-erek doğru ağ saldırısı ve uygulama sınıflandırması elde edilebileceğinin gösterilmesidir.
Özet (Çeviri)
Network intrusions and attacks constitute a serious threat to internet structure. It is necessary to recognize attacks accurately to maintain the integrity of communication networks. Also, network traffic needs to be accurately classified for security and quality of service considerations. Machine learning applications have demonstrated superior performance in classification problems in several areas including network security. Uncovering hidden patterns is considered complex and therefore open to several novel methods. Matrix Profile (MP) and Gramian Angular Summation Field (GASF) are such mathematical algorithms that may successfully be utilized in machine learning models. This thesis presents a novel network intrusion detection and application classification methodology that incorporates MP and GASF with machine learning classifiers. Success of Random Forest model may be enhanced with MP and accuracy of Convolutional Neural Network (CNN) classifier may be improved with GASF. Features are converted to image using GASF to visualize patterns in time-series. Images are then fed to CNN model. Similarities in time-series are computed with MP algorithm as input to Random Forest classifier. Assessment of the proposed model is accomplished with publicly available datasets that contain several intrusions and network traffic application types. Validation results certainly prove that presented approach is successful and applicable. Major achievement of this study is to demonstrate that mathematical algorithms such as MP and GASF may be merged with machine learning models to yield accurate network intrusion and application classification.
Benzer Tezler
- Ağ trafiğinin analizi, anomali tespiti ve değerlendirme
Analysis of network traffic, anomaly detection and evaluation
AKIN ASLAN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Aktif dağıtım şebekelerini asimetrik arızalara karşı korumak için yeni bir tümleşik koruma sistemi tasarımı ve geliştirilmesi
Design and development of a novel integrated protection system to protect active distribution networks against asymmetrical faults
FATİH ÖZVEREN
Doktora
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Deep packet inspection methods for network intrusion detection and application classification
Ağ saldırı tespiti ve uygulama sınıflandırması için derin paket inceleme yöntemleri
ÇAĞATAY ATEŞ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. EMİN ANARIM
PROF. MUTLU KOCA
- Kablosuz algılayıcı ağların siber güvenlik açısından incelenmesi ve özgün bir saldırı tespit sisteminin önerilmesi
Investigation of wireless sensor networks from cyber security perspective and proposing a novel intrusion detection system
MERT MELİH ÖZÇELİK
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ERDAL IRMAK
- Nesnelerin interneti için derin öğrenme ile veri odaklı ağ saldırı sınıflandırma sistemi
Data-oriented network attack classification system with deep learning for the internet of things
UĞUR ÇEKMEZ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ BULDU
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ