Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/20169
Full metadata record
DC FieldValueLanguage
dc.contributor.authorEesa, Adel Sabry-
dc.contributor.authorSadiq, Sheren-
dc.contributor.authorHassan, Masoud Muhammed-
dc.contributor.authorOrman, Zeynep-
dc.date.accessioned2021-05-27T12:47:55Z-
dc.date.available2021-05-27T12:47:55Z-
dc.date.issued2021-01-25-
dc.identifier.citationEesa, A. S. vd. (2021). ''Rule generation based on modified cuttlefish algorithm for intrusion detection system''. Uludağ Üniversitesi Mühendislik Dergisi, 26(1), 253-268.tr_TR
dc.identifier.issn2148-4147-
dc.identifier.issn2148-4155-
dc.identifier.urihttps://dergipark.org.tr/tr/pub/uumfd/issue/61221/747078-
dc.identifier.urihttps://doi.org/10.17482/uumfd.747078-
dc.identifier.urihttp://hdl.handle.net/11452/20169-
dc.description.abstractNowadays, with the rapid prevalence of networked machines and Internet technologies, intrusion detection systems are increasingly in demand. Consequently, numerous illicit activities by external and internal attackers need to be detected. Thus, earlier detection of such activities is necessary for protecting data and information. In this paper, we investigated the use of the Cuttlefish optimization algorithm as a new rule generation method for the classification task to deal with the intrusion detection problem. The effectiveness of the proposed method was tested using KDD Cup 99 dataset based on different evaluation methods. The obtained results were also compared with the results obtained by some classical well-known algorithms namely Decision Tree (DT), Naïve Bayes (NB), Support Vector Machine (SVM), and K-Nearest Neighborhood (K-NN). Our experimental results showed that the proposed method demonstrates a good classification performance and provides significantly preferable results when compared with the performance of other traditional algorithms. The proposed method produced 93.9%, 92.2%, and 94.7% in terms of precision, recall, and area under curve, respectively.en_US
dc.description.abstractGünümüzde, ağa bağlı makinelerin ve Internet teknolojilerinin hızla yaygınlaşmasıyla, saldırı tespit sistemleri giderek daha fazla talep görmektedir. Buna bağlı olarak, dış ve iç saldırganların çok sayıda yasadışı faaliyetinin tespit edilmesi gerekmektedir. Bu nedenle, veri ve bilgilerin korunması için bu tür yasadışı faaliyetlerin erken tespiti gerekli ve önemlidir. Bu makalede, veri madenciliğinde saldırı tespit problemiyle başa çıkmak amacıyla Mürekkepbalığı Optimizasyon Algoritmasının yeni bir kural oluşturma yöntemi olarak kullanımı araştırılmıştır. Önerilen yöntemin etkinliği, farklı değerlendirme yöntemlerine dayalı olarak KDD Cup 99 veri seti kullanılarak test edilmiştir. Ayrıca, elde edilen sonuçlar Karar Ağacı, Naïve Bayes, Destek Vektör Makinesi ve K-En Yakın Komşu gibi bazı klasik iyi bilinen algoritmalar ile alınan sonuçlarla karşılaştırılmıştır. Deneysel sonuçlarımız, önerilen yöntemin iyi bir sınıflandırma performansı sergilediğini ve diğer geleneksel algoritmaların performansıyla karşılaştırıldığında önemli ölçüde tercih edilebilir sonuçlar verdiğini göstermektedir. Önerilen yöntem, hassasiyet, geri çağırma ve eğri altındaki alan açısından sırasıyla %93.9, %92.2 ve %94.7 değerlerini elde etmiştir.tr_TR
dc.language.isoenen
dc.publisherBursa Uludağ Üniversitesitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAtıf 4.0 Uluslararasıtr_TR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.subjectIntrusion detection systemen_US
dc.subjectData miningen_US
dc.subjectCuttlefish algorithmen_US
dc.subjectClassificationen_US
dc.subjectRule discoveryen_US
dc.subjectSaldırı tespit sistemitr_TR
dc.subjectVeri madenciliğitr_TR
dc.subjectMürekkepbalığı algoritmasıtr_TR
dc.subjectSınıflandırmatr_TR
dc.subjectKural keşfitr_TR
dc.titleRule generation based on modified cuttlefish algorithm for intrusion detection systemen_US
dc.title.alternativeSaldırı tespit sistemi için değiştirilmiş mürekkep balığı algoritması tabanlı kural üretimtr_TR
dc.typeArticleen_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergitr_TR
dc.identifier.startpage253tr_TR
dc.identifier.endpage268tr_TR
dc.identifier.volume26tr_TR
dc.identifier.issue1tr_TR
dc.relation.journalUludağ Üniversitesi Mühendislik Dergisi / Uludağ University Journal of The Faculty of Engineeringtr_TR
Appears in Collections:2021 Cilt 26 Sayı 1

Files in This Item:
File Description SizeFormat 
26_1_17.pdf1.25 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons