MACHINE AND DEEP LEARNING-BASED INTRUSION DETECTION AND COMPARISON IN INTERNET OF THINGS

Authors : Siham AMAROUCHE, Kerem KÜÇÜK

Pages : 333-361

View : 14 | Download : 8

Publication Date : 2022-11-30

Article Type : Research Paper

Abstract :Günümüz teknoloji dünyasında, nesnelerin interneti insert ignore into journalissuearticles values(IoT); sistemleri için izinsiz giriş tespiti önemli bir konudur. IoT`de kablosuz ağlara bağlı küçük cihazların kullanımının artmasıyla birlikte veri miktarı da hızla artıyor. Bu veriler saldırılara karşı savunmasız olabilir, bu nedenle IoT sistemlerinin sistemin gizliliğini, kullanılabilirliğini ve güvenilirliğini artırmak için bu verileri güvenceye alması gerekir. Yapay zekayı insert ignore into journalissuearticles values(AI); otonom olarak kullanarak saldırıları tespit etme ilerlemesi, ağ saldırı tespit sistemlerinde insert ignore into journalissuearticles values(NIDS); daha uygun bir yöntem haline geldi. Bu yazıda, NIDS`de performansı iyileştirmek ve doğruluğu artırmak için yeni tespit tekniği öneriyoruz. IoT sistemleri için farklı saldırı türlerini tespit etmek için farklı makine öğrenimi insert ignore into journalissuearticles values(ML); ve derin öğrenme insert ignore into journalissuearticles values(DL); yöntemleri sunuyoruz. Ayrıca, IoT sistem ortamındaki anomaliyi tanımlamanın en iyi yolunu bulmak için deneyler sunuyoruz, farklı AI modelleri arasında karşılaştırmalar yapıyoruz. Deney, açık veri tabanı UNSW-NB15 ile değerlendirilmiştir.
Keywords : Derin Öğrenme, IoT Güvenliği, Makine Öğrenmesi, Saldırı Tespiti, Siber Güvenlik