Filtreler

2012 - 201912020 - 20231
Filtreleri Sıfırla

Ayarlar

search.filters.applied.f.publicationcategory: Makale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanı × Konu: Cyber security ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Yeni savaş ve siber güvenlik arasında NATO’nun yeniden doğuşu
    (Uluslararası İlişkiler Konseyi Derneği, 2012-06-01) Bıçakcı, Ahmet Salih
    Soğuk Savaşın bitişinden sonra uluslararası sistemin güvenlik dinamikleri değişti. Soğuk Savaş tehditlerinin ortadan kalkmasıyla birlikte Kuzey Atlantik Paktı Örgütü (NATO) yeni durumun gereklerine göre yeniden yapılanmak zorunda kaldı. Bu makale NATO’ya karşı siber tehditlerin ortaya çıkışını ve onun bu yeni güvenlik ortamına nasıl tepki vereceğini incelemektedir. Soğuk Savaş sonrasındaki dönemde, geleneksel savaş taktikleri savaş meydanının gereklerini yerine getirmekte yetersiz kalıyordu. Asimetrik savaş diğer yöntemlere göre daha öne çıktı. Kosova çatışması sırasında, NATO bombalamasına Sırp bilgisayar korsanları tarafından siber saldırılarla karşılık verilmiştir. Farklı durumlarda da benzer eğilimler görülmüştür. NATO yeni bir siber savunma stratejisi inşa etmeye ve uluslararası sistemdeki güncel tehditleri de kapsayacak bir strateji oluşturmaya başladı. Lizbon Zirvesinde siber savunma ve kritik bilgi altyapısının korunmasını da içeren yeni stratejinin hazırlanmasına onay verildi. NATO, siber savunmayı içeren hibrit savaş stratejisini başlattı ve bu yaklaşımı bütün üyelerinde uygulamaya başladı.
  • Küçük Resim
    Yayın
    An intrusion detection approach based on the combination of oversampling and undersampling algorithms
    (Istanbul University Press, 2023-06-14) Arık, Ahmet Okan; Çavdaroğlu, Gülsüm Çiğdem
    The threat of network intrusion has become much more severe due to the increasing network flow. Therefore, network intrusion detection is one of the most concerned areas of network security. As demand for cybersecurity assurance increases, the requirement for intrusion detection systems to meet current threats is also growing. However, network-based intrusion detection systems have several shortcomings due to the structure of the systems, the nature of the network data, and uncertainty related to future data. The imbalanced class problem is also crucial since it significantly negatively affects classification performance. Although high performance has been achieved in deep learning-based methodologies in recent years, machine learning techniques may also provide high performance in network intrusion detection. This study suggests a new intrusion detection system called ROGONG-IDS (Robust Gradient Boosting – Intrusion Detection System) which has a unique two-stage resampling model to solve the imbalanced class problem that produces high accuracy on the UNSW-NB15 dataset using machine learning techniques. ROGONGIDS is based on gradient boosting. The system uses Synthetic Minority Over-Sampling Technique (SMOTE) and NearMiss-1 methods to handle the imbalanced class problem. The proposed model's performance on multi-class classification was tested with the UNSW-NB15, and then its robust structure was validated with the NSL-KDD dataset. ROGONG-IDS reached the highest attack detection rate and F1 score in the literature, with a 97.30% detection rate and 97.65% F1 score using the UNSW-NB15 dataset. ROGONG-IDS provides a robust, efficient intrusion detection system for the UNSW-NB15 dataset, which suffered from imbalanced class distribution. The proposed methodology outperforms state-of-the-art and intrusion detection methods.