Anomaly based detection of DDoS attack using discrete transform and machine learning techniques
Ayrık dönüşüm ve makine öğrenme teknikleri kullanılarak DDoS saldırısının anomali tespit edilmesi
- Tez No: 528883
- Danışmanlar: YRD. DOÇ. DR. SEÇKİN ARI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dağıtılmış Hizmet Reddi (DDoS) saldırıları, internetteki herhangi bir çevrimiçi hizmet için ciddi bir tehdittir. Diğer geleneksel tehditlerin aksine, DDoS HTTP GET sel saldırısı, kurbanını kullanılmayan ağ trafiğiyle sel tarafından herhangi bir çevrimiçi hizmetin etkin bir şekilde inkar edilmesi için meşru HTTP istek mekanizmasını kullanabilir. Bu yazıda DDoS HTTP GET isteklerini ve yasal isteklerin davranışsal özelliklerin bir kombinasyonunu kullanarak ayırt edilmesine yönelik yeni bir anomaliye dayanan teknik tanıtılmaktadır. Seçilen ana özellikler, istenen nesnelerin çeşitliliği, istenen tüm nesneler için oranlar talep edilmesi ve istenilen nesne için en yüksek frekansla talep oranıdır. Bu parametreler önerilen sistemde etkin ayrımcılık için birlikte kullanılacak önerilen özellikler olarak seçilmiştir.
Özet (Çeviri)
Distributed Denial of Service (DDoS) attacks is a serious threat to any online service on the internet. In contrast to other traditional threats, DDoS HTTP GET flood attack can exploit legitimate HTTP request mechanism to effectively deny any online service by flooding the victim with an overwhelming amount of unused network traffic. This paper introduces a new anomaly-based technique for discriminating between DDoS HTTP GET requests and legitimate requests using a combination of behavioural features. The main selected features are the diversity of the requested objects, requesting rates for all the requested objects, and request rate for the requested object with the most frequency. These parameters are selected as the proposed features that will be used together for effective discrimination within the proposed system.
Benzer Tezler
- Nöromorfik hesaplama ve memristor tabanlı ağ saldırı tespit sistemleri: Siber güvenlikte yeni yaklaşımlar
Neuromorphic computing and memristor-based network attack detection systems: New approaches in cyber security
YUSUF ETKA KÖYLÜ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN
- Anomali tabanlı saldırı tespit sistemlerinde makine öğrenimi modellerinin performans değerlendirmesi
Performance evaluation of machine learning models in anomaly-based intrusion detection systems
MEHMET SALİH KARAMAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METİN TURAN
DOÇ. DR. MUHAMMED ALİ AYDIN
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- DDoS detection in IoT network using machine learning
Makine kullanarak IoT ağında DDoS tespiti öğrenme
OMER BASIM AL-RAWE
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ KARAN
- Çevrimiçi sistemlerde makine öğrenme yöntemi ile dağıtılmış hizmet reddi (DDoS) saldırılarının tespiti
Distributed denial of service (DDoS) attacks detection by usingmachine learning methods on online systems
DİLEK BAŞKAYA
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET