Araçların internetinde (IOV) ağ güvenliğini sağlayacak makine öğrenme yöntemlerine dayalı sağlam bir saldırı tespit sistemi
A robust intrusion detection system based on machine learning methods for ensuring network security in the internet of vehicles (IOV)
- Tez No: 976098
- Danışmanlar: DOÇ. DR. OĞUZHAN KARAHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Hiperparametre Optimizasyonu, IoV Güvenliği, Makine Öğrenmesi, Meta-Sezgisel Algoritmalar, Saldırı Tespiti Sistem, Hyperparameter Optimization, IoV Security, Machine Learning, Meta-Healing Algorithms, Intrusion Detection System
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dijital teknolojilerin hızla gelişmesiyle birlikte siber güvenlik tehditleri de artmıştır. Özellikle Nesnelerin İnterneti (IoT) ve Araçların İnterneti (IoV) gibi sistemlerde, artan veri alışverişi bu teknolojileri siber saldırılara karşı daha savunmasız hâle getirmiştir. Bu bağlamda, IoV sistemlerinin güvenliğini artırmak amacıyla makine öğrenmesi ve meta-sezgisel algoritmalara dayalı bir saldırı tespit sistemi geliştirilmiştir. Çalışmada Random Forest (RF), Adaboost (AB), Gradient Boosting (GB) ve Decision Tree (DT) gibi makine öğrenmesi modelleri kullanılmış ; modellerin hiperparametre optimizasyonu için Chernobyl Disaster Optimizer (CDO) ve Particle Swarm Optimization (PSO) algoritmalarından yararlanılmıştır. İkili sınıflandırmada, PSO ile optimize edilen GB modeli %99,999 doğrulukla en yüksek performansa ulaşırken, RF modeli de %99,997 doğrulukla etkili sonuçlar vermiştir. CDO ise genel olarak yüksek başarı sağlamış olsa da, AB modeliyle %93 doğruluk oranıyla diğer modellerin gerisinde kalmıştır. Çoklu sınıflandırmada ise tüm optimize modeller yüksek hassasiyet oranları sergilemiş, özellikle PSO ile optimize edilen GB ve RF modelleri öne çıkmıştır. Sonuçlar, optimizasyon algoritmalarının model başarısını önemli ölçüde artırdığını göstermektedir.
Özet (Çeviri)
With the rapid development of digital technologies, cybersecurity threats have significantly increased. Particularly in systems such as the Internet of Things (IoT) and the Internet of Vehicles (IoV), the growing volume of data exchange has made these technologies more vulnerable to cyberattacks. In this context, a machine learning and metaheuristic-based intrusion detection system is proposed to enhance the security of IoV systems. The study employs machine learning models including Random Forest (RF), Adaboost (AB), Gradient Boosting (GB), and Decision Tree (DT), with hyperparameter optimization performed using two algorithms: Chernobyl Disaster Optimizer (CDO) and Particle Swarm Optimization (PSO). In binary classification tasks, the GB model optimized with PSO achieved the highest accuracy of 99.999%, while the RF model followed closely with 99.997%. Although CDO also demonstrated high performance overall, it underperformed with the AB model, reaching only 93% accuracy. In multi-class classification, all optimized models yielded high precision scores, with PSO-optimized GB and RF models showing outstanding results. The DT model showed consistent performance across both optimization methods, while AB displayed a noticeable performance drop when optimized with CDO. These findings confirm that hyperparameter optimization plays a critical role in enhancing model performance and that the effectiveness of each optimization technique may vary depending on the learning model used.
Benzer Tezler
- Nesnelerin internetinde kenar hesaplama ve makine öğrenmesi kullanılarak yeni bir görev tamamlama algoritması
A novel task offloading algorithm using edge computing and machine learning in the internet of things
MUHAMMET TAY
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARAFAT ŞENTÜRK
- Effıcıent routıng ın ınternet of vehıcles usıng swarm ıntellıgence technıques
Swarm zeka tekniklerini kullanarak araç internetinde etkin yönlendirme
HASSAN ABDULKHALIQ KHEDER ALSHALOOK
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Okan ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı (disiplinlerarası)
DR. DİDEM KIVANÇ TÜRELİ
- Privacy-preserving authentication methods
Gizliliği koruyan kimlik doğrulama yöntemleri
KÜBRA NARİ BAYKAL
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
- Federated hybrid privacy-preserving movie recommendation system for internet-of-vehicles
Araçlarin internetinde federe hibrit gizlilik korumali film öneri sistemi
MUSA ŞİMŞEK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞEGÜL ERMAN TÜYSÜZ
- Nesnelerin internetinde otonom araçlar için ıota tangle tabanlı şarj ve ödeme süreci yönetimi
Iota tangle-based charging and payment process management for autonomous vehicles in the internet of things
FURKAN TOPTAŞ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIsparta Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN DUMAN