Mobile application classification using machine learning
Makine öğrenimi tabanlı akıllı telefon uygulama kategori tahmini
- Tez No: 731329
- Danışmanlar: DR. ÖĞR. ÜYESİ ECE GELAL SOYAK, DOÇ. DR. CEMAL OKAN ŞAKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Ağ paket yakalama, Cep telefonu, Makine öğrenmesi, Network packet capture, Cellular phone, Machine learning
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir ağda bulunan veri paketlerini toplama ve analiz etme tekniği, paket yakalama (PCAP) analizi olarak bilinir. PCAP dosyaları, veri bağlantı katmanından uygulama katmanına kadar paketleri kaydederek çok katmanlı trafik verilerini yakalayabilmeleri sayesinde oldukça kullanışlıdır. Ağ trafiği analizi, anormallikleri tespit etmek, performansı artırmak ve tehditleri tespit etmek için ağ kullanılabilirliğini ve etkinliğini izlemek için kritik bir araçtır. Trafik yakalama neredeyse internet teknolojisi kadar eski olmasına rağmen, yakalanan verileri makine öğrenimi teknolojisiyle birleştirmek oldukça yeni bir teknolojidir. Literatürde paket verisi ve makine öğrenmesi teknolojisi birleştirilerek trafik ve kategori tahmini gibi birçok alanda çalışmalar yapılmıştır. Ancak akıllı telefonlarda kullanılan uygulamaların oluşturduğu paketler üzerinden kategori tahmini konusunda bir çalışma bulunmamaktadır. MIRAGE-2019 (Giuseppe Aceto ve diğerleri 2019) veri setinin bir alt kümesini kullandığımız bu tezde, üç makine öğrenme algoritması olan Random Forest, LightGBM, Catboost ve bir derin öğrenme algoritması olan Tabnet olmak üzere toplamda dört algoritma kullanılarak kategori tahmini yapılmıştır. Bu dört algoritmanın performansları ayrıntılı olarak analiz edilmiş, genel ve sınıf bazında birbirleriyle karşılaştırılmıştır.
Özet (Çeviri)
The technique of acquiring and analyzing individual data packets that go across your network is known as packet capture (PCAP) analysis. PCAP files are particularly useful because they may capture multilayer traffic data, recording packets from the data connection layer to the application layer. Network traffic analysis is a critical tool for monitoring network availability and activity in order to spot abnormalities, improve performance, and detect threats. Although traffic capture is almost as old as internet technology, combining the captured data with machine learning technology is a fairly new technology. In the literature, packet data and machine learning technology have been combined and studies have been made in many areas such as traffic and category forecasting. However, the category estimation was not made through the packages created by the applications used on the smartphones. In this thesis we are using a subset of the MIRAGE-2019 (Giuseppe Aceto, Domenico Ciuonzo et al. 2019) dataset, category prediction was made using three machine learning algorithms, namely Random Forest, LightGBM, Catboost, and a deep learning algorithm, Tabnet. The performances of these four algorithms were analyzed in detail and compared with each other on a overall and class-wise basis.
Benzer Tezler
- Mobil uygulama ağ trafiğinin derin öğrenme yöntemleri kullanılarak sınıflandırılması
Classification of mobile application network traffic using deep learning methods
İMREN DAŞDEMİR YAŞAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. AYSUN COŞKUN
- Makine öğrenmesi teknikleriyle mobil ödemede sahtekarlık tespiti
Fraud detection in mobile payment with machine learning methods
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2021
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ARAS
- Data-driven design and analysis of next generation mobile networks for anomaly detection and signal classification with fast, robust and light machine learning
Hızlı, Sağlam ve Hafif Makine Öğrenmesi ile Anormallik Algılaması ve Sinyal Sınıflandırması için Yeni Nesil Mobil Ağların Veriye Dayalı Tasarımı ve Analizi
MUHAMMED FURKAN KUCUK
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiUnıversıty Of South FlorıdaHaberleşme Ana Bilim Dalı
DOÇ. DR. İSMAİL UYSAL
- A comparative study of machine learning classification alorithms on acceleration data
Hızlanma verileri üzerinde makine eğitimi sınıflandırma aloritmalarının karşılaştırmalı bir çalışması
MUHAMMAD AHMED MAJEED
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. NURİ BİNGÖL
DR. ÖĞR. ÜYESİ FAYYAZ AHMAD
- Implementation of real-timegeographical data in a businessintelligence platform using machinelearning methods
Başlık çevirisi yok
YAKUP KOÇ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYakın Doğu ÜniversitesiDOÇ. DR. DİLBER UZUN ÖZŞAHİN