Detection and classifying security attacks in wireless sensor networks
Başlık çevirisi mevcut değil.
- Tez No: 677215
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezin amacı, kablosuz algılayıcı ağlardaki güvenlik saldırılarını tespit etmek ve sınıflandırmaktır. Bu tezde, makine öğrenimi sınıflandırması ve Yazılım Tanımlı Ağ Oluşturma ile birlikte anormallik algılamaya dayalı otomatik saldırı tanıma, saldırgan tanımlama ve saldırı azaltma için bir çerçeve öneriyoruz. Bu çerçeve, topoloji ve trafik istatistikleri gibi ağ özelliklerine ilişkin kalıntı analizine dayalı olası saldırıları bulmak için tasarlanmıştır. Temel amaç, belirli bir saldırı için özel olarak tasarlanmayan bir çerçeveye sahip olmak, bunun yerine yeni saldırıların genel bir şekilde tespit edilmesini ve azaltılmasını sağlamaktır. Bu çalışma, çerçeveye bir performans analizi ve kavramsal bir içgörü sağlar. Sonuçlar, uygun bir azaltma algoritması ile birlikte saldırı tespiti için anormallik tabanlı yaklaşımın, saldırıları verimli bir şekilde tespit edip azaltabildiğini göstermektedir. Bu yaklaşımlarda, güvenlik algoritmaları, kablosuz sensör ağlarındaki trafiği yöneten yönlendiriciler veya güvenlik duvarları gibi ağ geçitlerine dağıtılır. Temel varsayım, İnternet'e giden veya İnternet'ten gelen tüm paketlerin bu ağ geçitlerini geçmesi gerektiğidir. Bu paketlerin değerleri daha sonra KDTree, SVM veya Random Forest gibi uygun sınıflandırma algoritmaları tarafından kullanılabilecek özelliklere dönüştürülür. Python için anaconda tarafından desteklenen tensör akışı ve keras ortamı ile saldırıları tespit ettik ve sınıflandırdık. Kullandığımız veri seti, çevrimiçi olarak mevcut olan UNSW-NB15 verileridir.
Özet (Çeviri)
The aim of this thesis is to detect and classify the security attacks in wireless sensor networks. In this thesis we propose a framework for automatic attack recognition, attacker identification and attack mitigation based on anomaly detection in combination with machine learning classification and Software Defined Networking. This framework was designed to find potential attacks based on residual analysis on network characteristics like topology and traffic statistics. The main goal is to have a framework which is not specifically designed for a certain attack, but rather to provide detection and mitigation of novel attacks in a general manner. This work provides a performance analysis and a conceptual insight to the framework. Results indicate, that the anomaly based approach for attack detection in combination with an appropriate mitigation algorithm can detect and mitigate attacks efficiently. In these approaches, the security algorithms are deployed to gateways like routers or firewalls that handle the traffic in wireless sensor networks. The basic assumption is that all packets to or from the Internet have to pass these gateways. The values of these packets are then transformed into features that can be used by appropriate classification algorithms like KDTree, SVM or Random Forest. We detected and classified attacks with the tensor flow and keras environment supported by anaconda for python. The dataset we used is UNSW-NB15 data which is available online.
Benzer Tezler
- Applications of artificial intelligence for the security of networks
Ağ güvenliği için yapay zeka uygulamalari
SELEN GEÇGEL ÇETİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- Kurumsal ağlarda iç ağdan gelen atak ve tehditlerin makine öğrenimi yöntemleri ile sınıflandırılması ve anomali tespiti
Classification and anomaly detection of attacks and threats coming from the internal network in corporate networks using machine learning methods
SERCAN AKÇALI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZHAN KENDİRLİ
- Web trafik verilerinde yapay bağışıklık algoritmaları ile anomali tespiti
Anomaly detection in web traffic using artificial immune algorithms
KADİR İLHAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE DANDIL
- Ağ trafiğinde etkili olan özniteliklerin tespiti ve yapay sinir ağları ile trafiklerin izin tahmini
Detection of features that are effective in network traffic and permission estimation of traffic with artifical neural network
MUHAMMED ÖZDEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ
- 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