Ağ Trafiği Analizinde IP İtibarı Kullanılarak Makine Öğrenmesi Yöntemlerinin Performanslarının Arttırılması

Günümüz bilgi ve iletişim sistemlerinde büyük miktarda ve heterojen ağ trafiği verisi üretilmektedir. Hücresel ağlar, web sunucular ve nesnelerin interneti dünyasındaki cihazların (IoT) ürettikleri ağ trafiği verisinin analiz edilmesi ve güvenlik metriklerine göre etkisinin ölçülmesi ihtiyacı doğmuştur. Bu ihtiyaca yönelik ise günümüz literatüründe ağ trafik sınıflandırma yöntemleri önerilmiştir. Ağ trafik verisinin içerisindeki kullanıcı hareketliliği ve heterojenliği gibi karmaşıklıklar verilerin sınıflandırılmasındaki zorluklar olarak kabul edilmektedir. Birçok ticari sistemin bu verilere ek olarak IP itibarını kullanarak kullanıcı trafiğini yönettiği bilinmektedir. Bu çalışmada ağ trafiğindeki verilerin zararlı olma durumuna göre ayrıştırılmasında, IP itibarının makine öğrenmesi algoritmaları ile oluşturulan modeller üzerindeki etkileri incelenmiştir. Bu amaçla kullanılan ve işlenen veri seti, veri ön işleme teknikleri ve IP itibarı ile veri kümesinin zenginleştirilmesi aşamaları açıklanmaktadır. Deneysel sonuçlar, IP itibarı bilgisinin zararlı trafiğin tespit edilmesinde makine öğrenmesi algoritmalarının performansını artırdığı göstermektedir.

Erişime Açık
Görüntülenme
9
22.03.2024 tarihinden bu yana
İndirme
2
22.03.2024 tarihinden bu yana
Son Erişim Tarihi
24 Nisan 2024 22:47
Google Kontrol
Tıklayınız
Tam Metin
Tam Metin İndirmek için tıklayın Ön izleme
Detaylı Görünüm
Eser Adı
(dc.title)
Ağ Trafiği Analizinde IP İtibarı Kullanılarak Makine Öğrenmesi Yöntemlerinin Performanslarının Arttırılması
Yayın Türü
(dc.type)
Tez
Yazar/lar
(dc.contributor.author)
DANIŞ, Furkan
Atıf Dizini
(dc.source.database)
Diğer
Konu Başlıkları
(dc.subject)
Ağ Güvenliği
Konu Başlıkları
(dc.subject)
Ağ Analizi
Konu Başlıkları
(dc.subject)
IP İtibarı
Konu Başlıkları
(dc.subject)
Makine Öğrenmesi
Konu Başlıkları
(dc.subject)
Sınıflandırma Algoritmaları
Konu Başlıkları
(dc.subject)
Zararlı İnternet Trafiği
Yayıncı
(dc.publisher)
KTO Karatay Üniversitesi
Tez Danışmanı
(dc.contributor.advisor)
YUMUŞAK, Semih
Yayın Tarihi
(dc.date.issued)
2023
Kayıt Giriş Tarihi
(dc.date.accessioned)
2023-02-08T09:03:01Z
Açık Erişim tarihi
(dc.date.available)
2023-02-08T09:03:01Z
Tez Türü
(dc.type.thesis)
Yüksek Lisans
Özet
(dc.description.abstract)
Günümüz bilgi ve iletişim sistemlerinde büyük miktarda ve heterojen ağ trafiği verisi üretilmektedir. Hücresel ağlar, web sunucular ve nesnelerin interneti dünyasındaki cihazların (IoT) ürettikleri ağ trafiği verisinin analiz edilmesi ve güvenlik metriklerine göre etkisinin ölçülmesi ihtiyacı doğmuştur. Bu ihtiyaca yönelik ise günümüz literatüründe ağ trafik sınıflandırma yöntemleri önerilmiştir. Ağ trafik verisinin içerisindeki kullanıcı hareketliliği ve heterojenliği gibi karmaşıklıklar verilerin sınıflandırılmasındaki zorluklar olarak kabul edilmektedir. Birçok ticari sistemin bu verilere ek olarak IP itibarını kullanarak kullanıcı trafiğini yönettiği bilinmektedir. Bu çalışmada ağ trafiğindeki verilerin zararlı olma durumuna göre ayrıştırılmasında, IP itibarının makine öğrenmesi algoritmaları ile oluşturulan modeller üzerindeki etkileri incelenmiştir. Bu amaçla kullanılan ve işlenen veri seti, veri ön işleme teknikleri ve IP itibarı ile veri kümesinin zenginleştirilmesi aşamaları açıklanmaktadır. Deneysel sonuçlar, IP itibarı bilgisinin zararlı trafiğin tespit edilmesinde makine öğrenmesi algoritmalarının performansını artırdığı göstermektedir.
Yayın Dili
(dc.language.iso)
tr
Tek Biçim Adres
(dc.identifier.uri)
http://hdl.handle.net/20.500.12498/5526
Analizler
Yayın Görüntülenme
Yayın Görüntülenme
Erişilen ülkeler
Erişilen şehirler
6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında yükümlülüklerimiz ve cerez politikamız hakkında bilgi sahibi olmak için alttaki bağlantıyı kullanabilirsiniz.

creativecommons
Bu site altında yer alan tüm kaynaklar Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.
Platforms