Derin öğrenme yöntemiyle ağ saldırı tespit sistemi
Network intrusion detection system with deep learning method
- Tez No: 558878
- Danışmanlar: DOÇ. DR. MESUT GÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Saldırı tespit sistemleri bilgi güvenliğinde önemli bir rol oynamaktadır. Elektronik saldırıların artması nedeniyle bilgi güvenliği tüm dünyada önemli bir konu haline gelmektedir. Klasik makine öğrenim yöntemleri (Yapay Sinir Ağları (YSA), Naive Bayes (NB) Ve Destek Vektör Makineleri (DVM) vb.) ağdaki bilinmeyen saldırılar için bilgisayar ağları için iyi izinsiz giriş tespit oranları üretmekte fakat düşük yanlış alarm oranları üretmektedir. Son zamanlarda, makine öğrenmesinin gelişimi derin öğrenmenin keşfedilmesine neden olmuştur. Derin öğrenme ağları, çeşitli sınıflandırıcıları eğitmek ve izinsiz giriş tespitinde en iyi oranları elde etmek için klasik makine öğrenme modellerinden daha iyi seçenekler sunmaktadır. Bu çalışmada, Konvolüsyonel Sinir Ağları - Ağ Saldırı Tespit Sistemini (KSA-ASTS) modeli bilgisayar ağlarında saldırı tespiti geliştirmek için kullanılmıştır. Konvolüsyonel Sinir Ağları görüntü sınıflandırma için çok etkili bir algoritmadır. Bu çalışmada dijital veriler görüntülere dönüştürülmüş ve konvolüsyonel sinir ağı eğitilmiştir. KSA-ASTS kullanılarak ağ izinsiz giriş saptama probleminde kullanılan modelin performansını değerlendirmek için, NSL-KDD veri seti kullanılmıştır. Sonuçların değerlendirilmesi iki farklı sınıflandırma sistemi (ikili ve çok sınıflı sınıflandırma sistemleri) kullanılarak yapılmıştır. İkili sınıflandırma sistemi, saldırı ve normal olmak üzere iki seçenek içerirken, çoklu sınıflandırma sistemi normal, DoS, R2L, Probe ve U2R olarak beş seçenek içermektedir. Sonuçlar, ağ izinsiz tespit sisteminin gerçekleştirilmesi için Konvolüsyonel Sinir Ağları'nın kullanılmasının, diğer yöntemlere kıyasla önemini ortaya koymuştur. Bu model izinsiz giriş tespit sisteminin geliştirilmesinde kullanılabilir.
Özet (Çeviri)
Intrusion Detection Systems is considered a main factor in information security. With the increasing of electronic attacks, the safety of information became an important affair of all over the world. The classical machine learning models (e.g. Neural Networks (NN), Naive Bayes (NB) and Support Vector Machines (SVM), etc.) have produced good intrusion detection rates but low false alarm rates for computer networks for unknown attacks in the network. Recently, the development of machine learning led to discovering deep learning. Deep learning networks are presenting better options than the classical machine learning models to train various classifiers and get the better rates in intrusion detection. In this study, a Convolutional Neural Network - Network Intrusion Detection System (CNN-NIDS) model is proposed for improving intrusion detection in computer networks. The Convolutional Neural Network has proven very effective in image classification. So, the digital data has been converted to images and Convolutional Neural Network trained. A full data set NSL KDD is used for the assessment of the performance of the model used in network intrusion detection problem using (CNN-NIDS). The assessment of the results is made using two classification systems Binary and Multi class classification systems. The binary classification system includes two options, Attack and Normal, whereas the multi class classification system includes 5 options, normal, DoS, R2L, Probe, and U2R. The results revealed the importance of using Convolutional Neural Networks for the improvement of Network Intrusion detection system compared with other methods. This model can be used for the improvement of Intrusion Detection system.
Benzer Tezler
- Ağ tabanlı saldırı tespit sistemlerinde topluluk öğrenme yöntemlerinin karşılaştırmalı performans analizi
Comparative performance analysis of ensemble learning methods in network-based intrusion detection systems
ANIL KURT
Yüksek Lisans
Türkçe
2021
Bilim ve TeknolojiSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU
- Android sistemlerde derin öğrenme tabanlı kötü amaçlı yazılım tespit sistemi
Deep learning based malware detection system on android systems
ESRA ÇALIK BAYAZIT
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BUKET DOĞAN
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- Makine öğrenimini kullanarak IoT ağlarında saldırı tespiti
Intrusion detection in IoT networks using machine learning
HANAN ABU KWAIDER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ AVAROĞLU
- Applications of multi-agent systems in transportation
Ulaşımda çoklu ajan sistemlerinin uygulamaları
İLHAN TUNÇ
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TURAN SÖYLEMEZ
- Jet uçaklarında transfer öğrenimi yöntemiyle hasarlı parçaların tespiti
Detection of damaged parts via transfer learning method in jet aircrafts
SAFA ERDEM
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL