Anomaly-based intrusion detection systems using machine learningalgortihim
Başlık çevirisi mevcut değil.
- Tez No: 826077
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Artan siber saldırı sayısı, gelişmiş izinsiz giriş tespitine duyulan ihtiyacı vurgulamaktadır. saldırıları doğru ve verimli bir şekilde algılayıp sınıflandırabilen sistemler (IDS). makine öğrenebildikleri için öğrenme (ML) tekniklerinin bu konuda etkili olduğu gösterilmiştir. verilerden ve izinsiz girişi veya anormalliği gösterebilecek kalıpları tanımlayın. Bu araştırmada, tanımlama için oldukça doğru ve hataya dayanıklı bir sınıflandırıcı bulmak istiyoruz. Bir ağ izinsiz giriş algılama veri kümesindeki anormal trafik. Etkinliğini değerlendireceğiz kullanarak belirli bir veri kümesi üzerinde yedi farklı makine öğrenimi tekniğinin doğruluk, kesinlik, hatırlama ve F1 puanı gibi değerlendirme ölçütleri. Bu ölçümler çeşitli algoritmaların etkinliğini değerlendirmemize ve anlayışlı bilgiler sunmamıza olanak tanır Her yaklaşımın avantajları ve dezavantajları hakkında. Nihai hedefimiz, doğru bir şekilde tespit edebilen en iyi performans gösteren sınıflandırıcıyı seçmektir. minimum hata ile anormal trafik. NIDS için etkili bir sınıflandırıcı tanımlayarak, hedef, karşı savunma yapabilen daha güçlü, daha güvenilir sistemlerin oluşturulmasına yardımcı olmaktır. siber saldırılar ve dijital ağların güvenliğini garanti eder.
Özet (Çeviri)
The increasing number of cyber-attacks highlights the need for improved intrusion detection systems (IDS) that can detect and classify attacks accurately and efficiently. Machine learning (ML) techniques have been shown to be effective in this regard, as they can learn from data and identify patterns that may indicate an intrusion or anomaly. In this research, we want to find a highly accurate and error-tolerant classifier for identifying aberrant traffic in a network intrusion detection dataset. We will evaluate the effectiveness of seven different machine learning techniques on a given dataset by using various evaluation metrics such as accuracy, precision, recall, and F1-score. These measurements allow us to evaluate the effectiveness of various algorithms and offer insightful information about the advantages and disadvantages of each approach. Our ultimate goal is to select the best-performing classifier that can accurately detect anomalous traffic with minimal error. By identifying an effective classifier for NIDS, our goal is to aid in the creation of stronger, more dependable systems that can defend against cyberattacks and guarantee the safety of digital networks.
Benzer Tezler
- Distributed anomaly-based intrusion detection system for IoT environment using Blockchain technology
Dağıtılmış anomali tabanlı saldırı tespit sistemi Blockchain teknolojisi kullanılan IoT ortamı için
NOUHA HEJAZI
Yüksek Lisans
İngilizce
2022
Bilgi ve Belge Yönetimiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Saldırı tespit sistemlerinde yapay zekâ tabanlı anomali tespiti
Artificial intelligence-based anomaly detection in intrusion detection systems
AWAB DAW SAAD KHALEFA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN
- Otomatik makine öğrenmesi ile endüstriyel nesnelerin interneti tabanlı uç sistemlerde gerçek zamanlı saldırı tespit sistemi geliştirilmesi
Development of a real-time intrusion detection system in industrial internet of things based edge systems with automated machine learning
ANIL SEZGİN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTUĞ BOYACI
- Intrusion detection system based on machine learning techniques
Başlık çevirisi yok
AHMED MOHAMMED RADHI AL-MUQDADI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Payload-based network intrusion detection using LSTM autoencoders
LSTM özkodlayıcılar ile ağ yükü tabanlı ihlal tespiti
SELİN COŞAN
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN SERDAR KOZAT