English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Ag akis verileri, buyuk boyutlu verilerdir ve makine ogrenmesi algoritmalari ile tum verinin islenerek anomali tespitinin yapilmasini zorlastirmaktadir. Ancak, ag akis verilerini siniflandirmak icin tum oznitelikler gerekli degildir. Gereksiz oznitelikler islem yukunu arttirirken, ayni zamanda tespit oranlarini da azaltir. OS, veri setini temsil edebilecek en iyi oznitelikleri belirlemeye yarar. Bu bilgiler kapsaminda bu calismada, filtreleme tabanli oznitelik secme (OS) yontemlerinin internet aglarinda anomali tabanli saldiri tespit sistemlerine (STS) etkisinin arastirilmasi amaclanmistir. Calismada NSLKDD veri kumesi kullanilmistir. NSLKDD veri kumesindeki KDDTrain20Percent veri kumesi egitim icin, KDDTest veri kumesi test icin kullanilmistir. Boylece farkli bir veri kumesi ile egitilen sistem farkli bir test kumesi ile test edilerek sistemin guvenilirligi ispatlanmistir. Veri kumesinde 41 adet oznitelik yer almaktadir. Calismada ilk olarak filtreleme tabanli Bilgi Kazanci, Kazanc Orani, Simetrik Belirsizlik Katsayisi, Ki-Kare, One-R ve Korelasyon Tabanli Oznitelik Secimi yontemleri ile veri boyutu azaltilmistir. Her bir oznitelik secme yonteminde siralama usulune gore ilk 8 oznitelik secilip son veri kumesi olarak siniflandiricilara surulmustur. Oznitelik vektorleri k-En Yakin Komsuluk (k Nearest Neighnorhood-KNN) ve Rastgele Orman (RO) yontemleri ile siniflandirilmistir. Performans olcutleri olarak; islem suresi, dogruluk, pozitif dogru orani, pozitif yanlis orani ve ROC (Receiver Operator Characteristic) egrisi altindaki alan degerleri kullanilmistir. Siniflandirici acisindan, RO yonteminin gerek ham veri kumesi, gerekse 8 oznitelige indirgenmis veri kumeleriyle elde edilen sonuclarinin KNN yontemine gore daha basarili oldugu gorulmustur. Tum sonuclar degerlendirilince Bilgi Kazanci, Ki-Kare, One-R yontemleri ile elde secilen ozniteliklerin RO yontemi ile siniflandirilmasinin en optimum yontem oldugu gozlemlenmis olup OS yontemlerinin STS ‘lere olumlu yonde katki sagladigi sonucuna varilmistir.

Filtreleme Tabanlı Öznitelik Seçme Yöntemlerinin Anomali Tabanlı Ağ Saldırısı Tespit Sistemlerine Etkisi