عرض سجل المادة البسيط

Efficient Network Intrusion Detection Model Using Dynamic Machine Learning

dc.contributor.advisorالشريف, أحمد علي
dc.contributor.authorالسبيعي, نواف بن محمد عبد الله المحمدي
dc.contributor.authorAlsubaie, Nawaf Mohammed
dc.contributor.authorالشريف, أحمد علي . مشرف
dc.date.accessioned2021-01-26T07:27:28Z
dc.date.available2021-01-26T07:27:28Z
dc.date.issued2020
dc.identifier.other4380805
dc.identifier.urihttp://repository.nauss.edu.sa//handle/123456789/66906
dc.descriptionرسالة (ماجستير)-جامعة نايف العربية للعلوم الأمنية، كلية أمن الحاسب والمعلومات، قسم أمن المعلومات، تخصص أمن المعلومات.ar
dc.description74 ورقة : جداول، أشكال
dc.description.abstractResearch topic: Efficient Network Intrusion Detection Model Using Dynamic Machine Learningar
dc.description.abstractStudy methodology and tools: Applying a proposed method as an experiment to compare between available algorithms of the Network anomaly detection filed. Then, enhance the detection accuracy of the best found detection method.
dc.description.abstractObjectives of the Study: 1- Propose an automated system that dynamically enhances the learning accuracy based on time-based data and feature extraction using the dimensionality reduction techniques 2- Chose a clear and balanced subset of the CICIDS2017 dataset 3- Implement the proposed model using the processed dataset 4- Compare the performance of the proposed Model with other Machine Learning Models using the same Dataset. 5- Find the optimum parameters used in the best performance detection method.
dc.description.abstractResults and Conclusions 1- When performing the accuracy comparison test on the selected algorithms. We have found that the Uniform Manifold Approximation and Projection with Long Short-Term Memory reached the highest accuracy among the others by achieving 99.19%. 2- Then, after the sensitivity analysis performed to enhance overall accuracy, we have reached 99.30%.
dc.description.abstractRecommendations: Based on the result of the study, the following is recommended: 1- UMAP dimensionality reduction is a most promising filed that has to be researched more. 2- Using either a different subset of the CICIDS2017, or a different dataset might give a better detection result. 3- The selected methods in this thesis represents a little part out of the field of machine learning anomaly detection. 4- We neither covered the whole dimensionality reduction methods, nor covered the dynamic learning methods. There might be a better methods can gives better detection result.
dc.description.abstractموضوع البحث: استخدام نموذج فعال لاكتشاف تسلل الشبكات باستخدام التعلم الآلي الديناميكي
dc.description.abstractمنهج الدراسة: تطبيق طريقة مقترحة كتجربة للمقارنة بين الخوارزمية المتاحة للكشف عن الحالات الشاذة للشبكة. ثم يتم تحسين دقة الكشف للأفضل.
dc.description.abstractاهدف الدراسة: 1- اقتراح نظام مؤتمت يعزز ديناميكية دقة التعلم بناءً على البيانات المستندة إلى الوقت واستخراج الميزات باستخدام تقنيات تقليل الأبعاد 2- اختيار مجموعة فرعية واضحة ومتوازنة من مجموعة بيانات CICIDS2017 3- تنفيذ النموذج المقترح باستخدام مجموعة البيانات الفرعية المختارة 4- مقارنة أداء النموذج المقترح مع نماذج التعلم الآلي الأخرى باستخدام نفس مجموعة البيانات الفرعية المختارة. 5- البحث عن المعلمات المثلى المستخدمة في أفضل طريقة للكشف عن الأداء.
dc.description.abstractالتائج: 1. عند إجراء اختبار مقارنة الدقة على الخوارزميات المحددة. لقد وجدنا أن تقريب وإسقاط المنوع الموحد بذاكرة طويلة المدى قد وصل إلى أعلى دقة من بين الآخرين من خلال تحقيق 99.19٪. 2. ثم بعد تحليل الحساسية الذي تم إجراؤه لتعزيز الدقة الإجمالية، وصلنا إلى 99.30٪.
dc.description.abstractتوصيات الدراسة: بناءً على نتيجة الدراسة يوصى بما يلي: 1- يعد تقليل أبعاد UMAP أحد أكثر المجالات الواعدة التي يجب البحث عنها بشكل أكبر. 2- قد يؤدي استخدام مجموعة فرعية مختلفة منCICIDS2017 ، أو مجموعة بيانات مختلفة إلى نتيجة كشف أفضل. 3- تمثل الطرق المختارة في هذه الأطروحة جزءًا صغيرًا من طرق اكتشاف الشذوذ في التعلم الآلي. 4- لم نقم بتغطية جميع طرق تقليل الأبعاد ، ولم نغطي جميع طرق التعلم الديناميكية. قد تكون هناك طرق أفضل يمكن أن تعطي نتيجة كشف أفضل.
dc.language.isoenar
dc.publisherجامعة نايف العربية للعلوم الأمنيةar
dc.subjectأمن المعلوماتar
dc.subjectتسلل الشبكاتar
dc.subjectالتعلم الآلي الديناميكيar
dc.titleEfficient Network Intrusion Detection Model Using Dynamic Machine Learningar
dc.title.alternativeنموذج فعال لاكتشاف التسلل إلى الشبكات باستخدام التعلم الآلي الديناميكيar
dc.typeThesisar
dc.contributor.committeeMemberالهندي, خليل محمد
dc.contributor.committeeMemberأبو منصور, حسين يوسف
dc.Degreeماجستيرar
dc.Collegeكلية أمن الحاسب والمعلوماتar
dc.departأمن المعلوماتar
dc.specialأمن المعلوماتar


الملفات في هذه المادة

Thumbnail
Thumbnail
Thumbnail

هذه المادة تظهر في الحاويات التالية

عرض سجل المادة البسيط