Yazar "HASAN DALMAZ" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Öğe
    GWO ve MFO algoritmalarının hibritlenmesiyle sürü zekası tabanlı optimizasyon algoritması geliştirilmesi ve yapay sinir ağı yaklaşımıyla ağ saldırılarının tespitinde kullanılması
    (Kırıkkale Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı, 2023) HASAN DALMAZ; ERDAL ERDAL
    Bu tez çalışması, son yıllarda önemli ölçüde artan ağ saldırılarının yüksek doğrulukla tespit edilmesi ve bu saldırıların olumsuz etkilerinden kaçınılması konusundaki ihtiyaca yönelik hazırlanmıştır. Saldırı tespit sistemleri, saldırı modellerine ve yaklaşımlarına sorunsuz bir şekilde yanıt vermelidir. Saldırı tespitinde metasezgisel algoritmaların kullanılması, düşük hesaplama maliyetleriyle optimuma yakın çözümler üretebilir. Bu algoritmalardan daha iyi performans elde etmek ve sonuçları daha da iyileştirebilmek için algoritmalar hibritleştirilebilir ve bu da daha başarılı sonuçların elde edilmesini sağlayabilmektedir. Günümüzde bu konuda pek çok çalışma yapılmaktadır. Bu çalışmada, Güve Alevi Optimizasyon (MFO) ve Gri Kurt Optimizasyon (GWO) algoritmalarını kullanan yeni bir hibrit yaklaşım geliştirilmiş ve yaygın olarak kullanılan NSL-KDD, UNSW-NB15 ve CIC IDS 2017 gibi veri setlerine de uygulanmıştır. GWO algoritmasının hibritleştirme kolaylığı, basitliği, global optimal arama yapabilme yeteneği ve MFO algoritmasının en iyi çözümü elde etmedeki başarısı, bu iki algoritmanın birleştirilmesiyle daha iyi bir çözüm elde edilebileceğini düşündürmüştür. Bu sebeplerden dolayı geliştirilen hibrit algoritma ile hem GWO algoritmasının hem de MFO algoritmasının iyi yanları kullanılarak daha iyi sonuçların elde edilmesi amaçlanmaktadır. Sonuçlar incelendiğinde geliştirilen hibrit algoritma ile optimizasyon algoritmalarının test edilmesinde kullanılan Benchmark fonksiyonlarında yüksek düzeyde başarı elde edildiği görülmüştür. Karşılaştırılan 13 Benchmark fonksiyonunun 12'sinde daha iyi sonuçlar elde edilmiştir. Ayrıca farklı veri setlerinde değerlendirme kriterlerine göre elde edilen başarı oranları da dikkat çekicidir. NSL-KDD, UNSW-NB15 ve CIC IDS 2017 veri setlerinde elde edilen sırasıyla %97,4, %98,3 ve %99,2 sınıflandırma doğruluk sonuçları literatürdeki çalışmalarla karşılaştırıldığında oldukça başarılı görünmektedir.