Distributed denial of service attack detection using densitybased clustering and information fusion techniques
Yoğunluk tabanlı kümeleme ve bilgi füzyon teknikleri kullanarak dağıtık hizmet reddi saldırısı önleme
- Tez No: 599235
- Danışmanlar: PROF. DR. EMİN ANARIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- 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
Ağlardaki cihazlar, günümüzün karmaşık internet dünyasında sürekli olarak sayısız saldırı tehdidi altındadır. DDoS iyi bilinen bir saldırı türüdür çünkü hedef trafiği etkilemek ve bozmak kolaydır. Saldırganlar, yanlış adreslerin arkasındaki gerçek kimliklerini maskeleyerek saldırılarını başlatmak için çeşitli teknikler uygulayabilirler. Gizliliği, bütünlüğü ve kullanılabilirliği temin etmek amacıyla İzinsiz Giriş Önleme Sistemlerinin uygulanması, ağlardaki güvenlik altyapılarının geliştirilmesinde temel öneme haizdir. Bu tez, paket başlıklarından gelen metriklerden yararlanan ve ardından bir saldırının gerçekleşip gerçekleşmeyeceği konusunda toplu bir karar vermek için onları birleştiren bir DDoS saldırı önleme sistemi önermektedir. Dempster-Shafer Teorisi belirli kaynaklardan gelen çeşitli delillerden yararlanmak için bir bilgi birleştirme yaklaşımıdır. İnanç fonksiyonunu ağ trafiğinin en güncel özelliğine uyarlamak için denetimsiz BPA yaklaşımı kullanılmaktadır. Kullanılan BPA yaklaşımı basittir ancak oldukça etkilidir. Düşük yanlış alarmlar ve çok yüksek saldırı tespit oranı ile olağanüstü bir doğruluğa sahiptir. DDoS programları için herkese açık veri setleri bulmak oldukça zordur. CAIDA ve Boğaziçi Üniversitesi veri setleri gibi kapsamlı özelliklere sahip veri kümeleri, yöntemin başarısını test etmek için daha iyi olacaktır. Bu tezde, değerlendirilen tüm veri setleri için oluşturulan sonuçların tam bir açıklaması verilmiştir. Önerilen programın etkinliğinin değerlendirilmesi, farklı atak oranları kullanılarak gerçekleştirilmektedir.
Özet (Çeviri)
The devices in networks are constantly under numerous attack threat in today's complex internet world. DDoS is the well-known type of attack since it is easy to launch and disrupt the target traffic. Attackers can implement various techniques to launch their attacks by masquerading their real identities behind false addresses. In order to ensure confidentiality, integrity and availability, the implementing an Intrusion Prevention Systems is of primary importance in order to establish a secure network infrastructure. In thesis, we propose DDoS attack prevention framework in which multiple metrics from packet headers are used and then fused to generate a collective judgment on whether an attack occurs. Dempster-Shafer Theory is an information fusion approach for combining various evidences from various sources. An unsupervised BPA approach is employed to adapt assignment of beliefs to the most up to date attribute of the network traffic. The BPA approach is simple but highly effective. It has outstanding accuracy with low false alarms and very high attack identification rate. It is hard to find publicly available datasets for DDoS schemes. We used CAIDA and Bogazici University datasets. Datasets with more comprehensive features would be better to test success of our method. A descriptive analysis of the produced results, for all the used datasets are given. The performance evaluation of the effectiveness of proposed scheme is measured by using different attack rates.
Benzer Tezler
- DDoS attack detection using frequency domain characteristics
Frekans tabanında DDoS saldırı tespiti
RAMİN FADAEİ FOULADİ
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- Dağıtık hizmet aksatma ((DDoS) saldırılarının yapay zeka yöntemleri kullanılarak tespiti
Detection of distributed denial of service ((DDoS) attacks using artificial intelligence methods
İLKNUR KAYACAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BABALIK
- Detecting denial of service attack of network traffic by build accurate intrusion detection system based on machine learning algorithm
Başlık çevirisi yok
SABREEN ALMOHAMEDAWI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Time series analysis of distributed denial of service attacks in intrusion detection systems
Sızma saptama sistemindeki hizmet engelleme saldırılarının zaman serisi çözümlemesi
CEMİL EREN KAYATAŞ
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. EMİN ANARIM
- Hizmet reddi saldırılarının derin öğrenme ile tespiti
Detection of denial of service attacks using deep learning
AYŞEGÜL SUNGUR
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET HACIBEYOĞLU