Geri Dön

Network intrusion detection system with incremental active learning

Artımlı aktif öğrenme ile ağ saldırı tespiti sistemi

PDF İndir

  1. Tez No: 764393
  2. Yazar: MÜNTEHA NUR BEDİR TÜZÜN
  3. Danışmanlar: DOÇ. DR. PELİN ANGIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Aktif öğrenme, Derin öğrenme, Saldırı tespit sistemi (IDS), Active learning, Deep learning, Intrusion detection system (IDS)
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İnternet kullanımı her geçen yıl artarken geçtiğimiz yıllarda global pandemi ile birlikte ivme kazanmıştır. Artan internet kullanımı siber tehditlerin artışını da beraberinde getirmiştir. Saldırı tespiti sistemleri her zamankinden daha önemli hale gelmiştir. Bu sistemlerin başarımı hızla değişen saldırı tiplerine göre kendilerini güncellemeleriyle doğru orantılıdır. Ancak, yeni geliştirilen saldırılara ait yeterli etiketli veri bulunmaması ve makine öğrenmesi metodları ile artımlı öğrenmenin zorluğu gibi sebeplerle istenen performans her zaman elde edilememektedir. Bu çalışmada, aktif öğrenme yöntemleri sınıf artımlı öğrenme için kullanılarak dinamik ortama uyum sağlayan ve daha az veri ile yüksek başarım sağlayan bir ağ saldırı tespit sistemi geliştirilmiştir. Deney sonuçları, önerilen yöntemin daha az etiketli eğitim verisi örneği gerektirdiğini ve yeni tür saldırıları aşamalı olarak öğrendiğini göstermektedir.

Özet (Çeviri)

While Internet usage has increased every year, it has gained momentum in recent years with the global pandemic. Increasing Internet usage has brought increasing cyber threats. Intrusion detection systems have become more important than ever. The performance of these systems is directly proportional to their adaptiveness to the rapid changes in attack types. However, desired performance cannot always be achieved due to the lack of labeled data on newly developed attacks and the difficulty of incremental learning with machine learning methods. In this study, we proposed a network intrusion detection system using active learning methods for class incremental learning, which can adapt to the dynamic environment and provide high performance with less labeled data. Experiment results show that the proposed method requires fewer labeled training data instances and learns new types of attacks incrementally.

Benzer Tezler

  1. Tez No

    139400

    How cryptographic implementations affect mobile agent systems

    Şifreleme gerçekleştirmelerinin gezgin aracı internet sistemlerini nasıl etkilediği

    İSMAİL ULUKUŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Sistem ve Kontrol Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN ANARIM

  2. Tez No

    929537

    Enhancing intrusion detection with privacy-preserving federated learning: Differential privacy and incremental learning integrating

    Gizliliği koruyan federated öğrenme ile giriş tespitini geliştirme: Farklı mahremiyet ve artırımlı öğrenme entegrasyonu

    ALI SADEQ HUSSEIN ASAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYŞE NURDAN SARAN

  3. Tez No

    1018476

    Nesnelerin interneti için transfer öğrenme yöntemi ile siber saldırı tespiti

    Cyberattack detection with transfer learning method for internet of things

    NURSAÇ KURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilim ve TeknolojiMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖNDER DEMİR

    DR. ÖĞR. ÜYESİ GÖZDE KARATAŞ BAYDOĞMUŞ

  4. Tez No

    518456

    Integrated binary artificial bee colony algorithm with NAÏVE bayesian classifier for network intrusion detection system

    Ağ saldırı tesbit sistemi için NAÏVE bayes sınıflandırıcı ile yapay arı koloni algoritmasının birlikte kullanımı

    ZAID OSAMAH ALZORQI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DERVİŞ KARABOĞA

  5. Tez No

    732920

    An online network intrusion detection system for DDoS attacks with IoT botnet

    IoT botnetleri ile yapılan dağıtık servis dışı bırakma saldırıları için çevrimiçi bir ağ saldırı tespit sistemi

    ERİM AYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞERİF BAHTİYAR

Geri Dön