Analysis of Feature Selection Approaches in Large Scale Cyber Intelligence Data with Deep Learning

Basit Öğe Kaydı
dc.authorid0000-0002-4320-0198en_US
dc.contributor.authorAhmetoğlu, Hüseyin
dc.contributor.authorDaş, Resul
dc.date.accessioned2021-07-29T12:14:13Z
dc.date.available2021-07-29T12:14:13Z
dc.date.issued2020en_US
dc.departmentMAÜ, Meslek Yüksekokulları, Midyat Meslek Yüksekokulu, Bilgisayar Programcılığı Bölümüen_US
dc.description.abstractAğ sistemlerinin her geçen gün katlanarak büyüyen boyutu, saldırı yoğunluğunun ve türlerinin de artmasına neden olmaktadır. Ağ içerisinde bu saldırıların tespiti, ağ güvenliğinin başlıca problemlerindendir. Saldırı tespit sistemleri, bu problemle başa çıkmak için geliştirilen bir yaklaşımdır. Saldırı tespit sistemlerinde işlenen büyük boyutlu veriler beraberinde karmaşıklığ da getirmektedir. Bu çalışma, veri kümelerindeki karmaşıklığı gidermek için 6 farklı öznitelik seçme algoritmasının incelenmesini ve bu algoritmaların sınıflandırma modellerindeki performanslarının karşılaştırılmasını içermektedir. Bu performanslar, açık erişimli olarak sunulan CICIDS2017 veri seti üzerinde uygulanan Derin Öğrenme modelleri ile analiz edilmiştir. Bu işlem sırasında algoritmaların test sonuçları hem kendi aralarında hem de veri setinin orijinal haliyle karşılaştırılmıştır. Uygulama sırasında veri kümesindeki öznitelik sayıları çoklu sınıflandırma için 78’den 25’e, ikili sınıflandırma için 8’e düşürülmüştür. Elde edilen başarı oranları bütün uygulamalarda %92’nin üzerindedir.en_US
dc.description.abstractThe size of the network systems that grows day by day causes the attack density and types to increase. Detection of these attacks within the network is one of the main problems of network security. Intrusion detection systems are an approach developed to deal with this problem. Large data processed in intrusion detection systems also brings complexity. This study includes examining 6 different attribute selection algorithms and comparing the performance of these algorithms in classification models to eliminate the complexity in data sets. These performances were analyzed with Deep Learning models applied on the open access CICIDS2017 data set. During this process, the test results of the algorithms were compared both among themselves and with the original form of the data set. During implementation, the number of attributes in the dataset was reduced from 78 to 25 for multiple classification and to 8 for binary classification. The success rates obtained are over 92% in all applicationsen_US
dc.description.sponsorshipIstanbul Medipol Univ.en_US
dc.identifier.citationAhmetoglu H.,Das R. (2020). Analysis of Feature Selection Approaches in Large Scale Cyber Intelligence Data with Deep Learning. 2020 28th Signal Processing and Communications Applications Conference (SIU). DOI. 10.1109/SIU49456.2020.9302200en_US
dc.identifier.doi10.1109/SIU49456.2020.9302200en_US
dc.identifier.scopus2-s2.0-85100301819en_US
dc.identifier.scopusqualityN/Aen_US
dc.identifier.urihttps://www.webofscience.com/wos/woscc/full-record/WOS:000653136100174?AlertId=d383397b-4355-449e-9419-70f9e0e77c15&SID=E5vn6BrBu1Ue95ENxH3
dc.identifier.urihttps://www.scopus.com/record/display.uri?eid=2-s2.0-85100301819&origin=resultslist&sort=plf-f&src=s&sid=c50b509052fefc89033228127c4b4cf2&sot=b&sdt=b&sl=34&s=DOI%2810.1109%2fSIU49456.2020.9302200%29&relpos=0&citeCnt=0&searchTerm=
dc.identifier.urihttps://hdl.handle.net/20.500.12514/2724
dc.identifier.wosWOS:000653136100174en_US
dc.identifier.wosqualityN/Aen_US
dc.indekslendigikaynakWeb of Scienceen_US
dc.indekslendigikaynakScopusen_US
dc.language.isotren_US
dc.publisherIEEEen_US
dc.relation.ispartof2020 28th Signal Processing and Communications Applications Conference (SIU)en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectCICIDS2017; Cyber security; deep learning; feature selection; intrusion detection systemen_US
dc.subjectSiber güvenlik, saldırı tespit sistemi, derin öğrenme, öznitelik seçimi, CICIDS2017en_US
dc.titleAnalysis of Feature Selection Approaches in Large Scale Cyber Intelligence Data with Deep Learningen_US
dc.title.alternativeBüyük Ölçekli Siber İstihbarat Verilerinde Özellik Seçimi Yaklaşımlarının Derin Öğrenme ile Analizien_US
dc.typeConference Objecten_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
Analysis_of_Feature_Selection_Approaches_in_Large_Scale_Cyber_Intelligence_Data_with_Deep_Learning.pdf
Boyut:
172.14 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Full text - Proceedings Paper
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

WoS İndeksli Yayınlar Koleksiyonu
Bilgisayar Programcılığı Bölümü Koleksiyonu
Scopus İndeksli Yayınlar Koleksiyonu