Makina öğrenmesile biyometrik sahtekarlığa ve ağ anormallik tespitine dayalı saldırı tespiti

Abstract

Bu çalışmada, sistemlerde saldırı tespiti için dört farklı yeni yaklaşım önerdik. Bilgiye dayalı olarak her çevrimiçi platform farklı şekillerde saldırabilir. Bu projede, biyometrik sahtekarlık tespiti için derin öğrenme algoritmalarını kullandık. Ayrıca, DDOS gibi farklı saldırılar için, ağlarda anormallik tespitine dayalı yeni bir yaklaşım önerdik. bu durumda projemiz iki ana bölüme ayrılmaktadır: Yüz sahteciliği algılama: Yüz sahtekarlığı saldırıları, izinsiz giriş tespit saldırılarından biridir. yüz sahteciliği tespiti için, iki farklı gruba ayırdığımız iki yeni uygulama önerdik. Birincisi, derin çok renkli özellik öğrenimi ile yüz sahtekarlığı tespiti için IoT-bulut tabanlı platforma önerdik. Ikinci olan, yüz sahtekarlığı tespiti için önerilen ikinci yöntem, Robust ana bileşen analizi ve derin inanç ağı yardımıyla hareket analizine dayanmaktadır. Ağda izinsiz giriş ve anormallik algılama: Bu bölümde, ağ saldırı tespiti için iki farklı yöntemi inceledik ve önerdik. Üçüncüsü, Çok Amaçlı Parçacık Sürüsü Algoritmasına dayalı Özellik Seçimi ve Hızlı Öğrenme Ağının Kombinasyonunu önerdik. Bu teknikte, özellikleri seçmek, ağı eğitmek ve modeli test etmek için KDD Cup veri setini kullandık. Dördüncü ,hibrit Çıkarım Sistemleri Kullanan Ağ Güvenliği için Anormallik ve İmza Tabanlı IDS'yi önerdik.

In this study, we proposed four different approaches for intrusion detection in systems. Based on the information, every online platform can attack in different ways. In this project, we used deep learning algorithms for biometric fraud detection. We also proposed a new approach based on anomaly detection in networks for different attacks such as DDOS. In this case, our project is divided into two main parts: Face spoofing detection: Face spoofing attacks are one of the intrusion detection attacks. We have proposed two new applications for face spoofing detection, which we divided into two different groups. The first one, we proposed IoT-cloud based platform for face spoofing detection with deep multicolor feature learning. The second method suggested for face spoofing detection is based on motion analysis with the help of Robust principal component analysis and deep belief network. Network intrusion and anomaly detection: In this section, we have reviewed and suggested two different methods for network attack detection. The third one, we proposed the Combination of Feature Selection and Fast Learning Network based on the Multipurpose Particle Swarm Algorithm. The forth one, We proposed Anomaly and Signature Based IDS for Network Security Using Hybrid Inference Systems.