A new computer security technique based data science techniques

Yükleniyor...
Küçük Resim

Tarih

2023

Dergi Başlığı

Dergi ISSN

Cilt Başlığı

Yayıncı

İstanbul Gedik Üniversitesi

Erişim Hakkı

info:eu-repo/semantics/openAccess

Özet

Due to the proliferation and dependence on digital technology, cyber security has emerged as a pressing issue in today's world. The dangers of unauthorized access, data breaches, and network invasions are growing as more people and businesses take use of the perks of networked technology. Intrusion detection is essential in reducing these dangers since it allows for instantaneous response to security breaches. Network traffic, system logs, and other data sources are monitored and analyzed by intrusion detection systems (IDS) in search of indicators of hacking or other malicious activity. In the event of a security breach or other harmful activity, these technologies can detect it and notify the appropriate authorities. The success of an IDS, however, hinges largely on the careful selection of features. The success or failure of an intrusion detection system relies heavily on the quality of the dataset used for detection, and this is where "feature selection" comes in. The objective is to minimize the data's dimensionality while maintaining or improving the features' discriminating ability. High-dimensional datasets, irrelevant or redundant features, and the curse of dimensionality are only some of the obstacles that feature selection in intrusion detection seeks to address. Manual feature selection based on expert knowledge or trial and error are examples of traditional ways; nevertheless, these methods are time-consuming, subjective, and sometimes unproductive.
Dijital teknolojinin yaygınlaşması ve ona bağımlı hale gelmesi nedeniyle siber güvenlik günümüz dünyasında acil bir konu olarak ortaya çıkmıştır. Yetkisiz erişim, veri ihlalleri ve ağ istilası tehlikeleri, daha fazla kişi ve işletme ağ bağlantılı teknolojinin avantajlarından faydalandıkça artıyor. İzinsiz giriş tespiti, güvenlik ihlallerine anında yanıt verilmesine olanak sağladığı için bu tehlikelerin azaltılması açısından önemlidir. Ağ trafiği, sistem günlükleri ve diğer veri kaynakları, bilgisayar korsanlığı veya diğer kötü amaçlı etkinlik göstergelerinin araştırılması amacıyla izinsiz giriş tespit sistemleri (IDS) tarafından izlenir ve analiz edilir. Bir güvenlik ihlali veya başka bir zararlı faaliyet durumunda, bu teknolojiler bunu tespit edebilir ve ilgili makamlara bildirimde bulunabilir. Ancak bir IDS'nin başarısı büyük ölçüde özelliklerin dikkatli seçimine bağlıdır. Bir izinsiz giriş tespit sisteminin başarısı veya başarısızlığı büyük ölçüde tespit için kullanılan veri kümesinin kalitesine bağlıdır ve "özellik seçimi" burada devreye girer. Amaç, özelliklerin ayırt etme yeteneğini korurken veya geliştirirken verinin boyutsallığını en aza indirmektir. Yüksek boyutlu veri kümeleri, ilgisiz veya gereksiz özellikler ve boyutluluğun laneti, izinsiz giriş tespitinde özellik seçiminin ele almaya çalıştığı engellerden yalnızca birkaçıdır. Uzman bilgisine veya deneme yanılmaya dayalı manuel özellik seçimi, geleneksel yolların örnekleridir; yine de bu yöntemler zaman alıcıdır, özneldir ve bazen verimsizdir.

Açıklama

Lisansüstü Eğitim Enstitüsü, Mühendislik Yönetimi Ana Bilim Dalı, Mühendislik Yönetimi Bilim Dalı

Anahtar Kelimeler

IDS, RF, FE, AI, ML

Kaynak

WoS Q Değeri

Scopus Q Değeri

Cilt

Sayı

Künye