Show simple item record

dc.contributor.advisorHonkanen, Risto
dc.contributor.advisorHakala, Ismo
dc.contributor.authorReinikainen, Jani
dc.date.accessioned2022-04-11T06:13:39Z
dc.date.available2022-04-11T06:13:39Z
dc.date.issued2022
dc.identifier.urihttps://jyx.jyu.fi/handle/123456789/80549
dc.description.abstractVaikka esineiden internet onkin tapana hyödyntää internetiä vielä suhteellisen uusi, kasvaa käytössä olevien IoT-laitteiden määrä jatkuvasti. Samalla kun nämä laitteet tulevat yhä enemmän osaksi jokapäiväistä elämäämme, korostuu niiden tietoturvan merkitys. Poikkeamia verkkoliikenteestä tunnistava tunkeutumisen havaitsemisjärjestelmä voi osaltaan parantaa tietoturvaa hälyttämällä poikkeavasta verkkoliikenteestä. Tässä työssä selvitettiin, miten hyvin FAMDAD-menetelmä soveltuu puoliohjattuun ja ohjaamattomaan poikkeaman tunnistukseen ensisijaisesti IoT-verkoista kerätyistä liikennevirtatietueisiin pohjautuvista aineistoista. Työn empiirisen osuuden tulosten perusteella FAMDAD-menetelmällä saatujen tulosten ei voitu osoittaa poikkeavan tilastollisesti merkitsevästi Mahalanobiksen etäisyydellä ja autoenkoodereihin perustuneella menetelmällä saaduista tuloksista.fi
dc.description.abstractAlthough the Internet of Things is still relatively new, the number of IoT devices in use is constantly increasing. As these devices become more and more ubiquitous, the importance of their security is being emphasized. An intrusion detection system that detects anomalies from network traffic can improve security by alerting about anomalous network traffic. The suitability of FAMDAD for semisupervised and unsupervised anomaly detection from network traffic flow record based data collected primarily from IoT networks was investigated in this work. Based on the results of the empirical comparison, it could not be shown that the results obtained using FAMDAD differ statistically significantly from the results obtained by Mahalanobis distance and simple autoencoders.en
dc.format.extent99
dc.format.mimetypeapplication/pdf
dc.language.isofi
dc.subject.otherautoenkooderi
dc.subject.otherFAMD
dc.subject.otherFAMDAD
dc.subject.otherIoT
dc.subject.otherMahalanobiksen etäisyys
dc.subject.otherPCA
dc.subject.otherpoikkeaman tunnistus
dc.subject.othertunkeutumisen havaitsemisjärjestelmä
dc.titleFAMDAD ja poikkeamien tunnistaminen IoT-verkkoliikenteestä
dc.identifier.urnURN:NBN:fi:jyu-202204112227
dc.type.ontasotPro gradu -tutkielmafi
dc.type.ontasotMaster’s thesisen
dc.contributor.tiedekuntaInformaatioteknologian tiedekuntafi
dc.contributor.tiedekuntaFaculty of Information Technologyen
dc.contributor.laitosInformaatioteknologiafi
dc.contributor.laitosInformation Technologyen
dc.contributor.yliopistoJyväskylän yliopistofi
dc.contributor.yliopistoUniversity of Jyväskyläen
dc.contributor.oppiaineTietotekniikkafi
dc.contributor.oppiaineMathematical Information Technologyen
dc.rights.copyrightJulkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.fi
dc.rights.copyrightThis publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.en
dc.type.publicationmasterThesis
dc.contributor.oppiainekoodi602
dc.subject.ysoInternet
dc.subject.ysotietoturva
dc.subject.ysoesineiden internet
dc.subject.ysoprotokollat
dc.subject.ysotietoverkot
dc.subject.ysoTCP/IP
dc.subject.ysoARP
dc.subject.ysotietoliikenne
dc.subject.ysomenetelmät
dc.subject.ysoneuroverkot
dc.format.contentfulltext
dc.type.okmG2


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record