Atılım Üniversitesi / Atılım University

Permanent URI for this communityhttps://ada.atilim.edu.tr/handle/123456789/1

Browse

Now showing 1 - 2 of 2

Snort kuralları kullanılarak ağ giriş tespit sistemi için FPGA tabanlı paket başlığı sınıflandırması
(2021) Behadılı, Yousıf Hosaın Dakhıl Al; Özbek, Mehmet Efe; Department of Electrical & Electronics Engineering
İnternet üzerinden veri iletişiminde ağ güvenliği etkili bir konu haline geldi. Bunu desteklemenin bir yolu, ağ cihazlarında gelen paketleri sınıflandırmak ve filtrelemektir. Paket başlığı sınıflandırması, İzinsiz Giriş Tespit Sistemi (IDS) gibi ağ cihazları için önemli bir görevdir, güvenli ağ iletişimi ve iletişim için önemli bir tekniktir. İnternet hizmetleri ve güvenlik araçları, gelen her paketin önceden tanımlanmış kurallara göre kontrol edilmesini içeren paket sınıflandırma tekniğini kullanır. Bu araştırmada, Alan Programlanabilir Kapı Dizisine (FPGA) dayalı ağ saldırı tespit sisteminin paket başlığı sınıflandırması için sonlu durum Makinesi (FSM) tekniği kullanılarak yeni bir algoritma sunulmuştur. Sunulan algoritma, gelen paketin başlık alanlarını, blok ROM FPGA belleğinde depolanan önceden tanımlanmış kurallarla, aralarındaki eşleşmeyi bulmak ve bunlara gelen paketi sınıflandırmak için bazı snort eylemleri uygulamak için karşılaştırır. FPGA platformu, özellikle dijital sistem tasarımında işlemede yüksek hızı ve kalitesi nedeniyle bu araştırma için seçilmiştir. Verilog dilinde açıklanan ve daha sonra Xilinx_Vivado 18.2 yazılımı kullanılarak Xc7a100tcsg324-1 FPGA kartında uygulanan önerilen paket başlığı sınıflandırma algoritması. Simülasyon sonucu, önerilen mimarinin gelen paketi istenen şekilde başarılı bir şekilde sınıflandırabildiğini ve 100 Mbps'den fazla maksimum verim elde edildiğini göstermektedir. Anahtar Kelimeler: Ağ saldırı tespit sistemi, Paket sınıflandırma, FPGA, Verilog HDL
Vark model uygulayarak bir uyarlanabilir öğrenme ortamı tasarımına yönelik bir durum çalışması
(2017) Jaballa, Rabıeaa Abdusalam Massaud; Eryılmaz, Meltem; Computer Engineering
Öğrenme stilleri öğrencilerin kendi öğrenme ortamları, akranları ve eğitmenleriyle etkileşimde bulunurken tercih ettikleri yöntemlerdir. En popüler olanlardan dördü öğrenciler tarafından bilgi elde etmek için kullanılan okuma / yazma, görsel, işitsel ve kinestetiktir. Bir takım öğrenciler öğrenirken görsel yöntemleri tercih ederken, diğerleri kinestetik veya işitsel ya da okuma / yazma yöntemini tercih eder. Bazı öğrenciler bilgi elde etmek için bunların hepsinin bir kombinasyonunu kullansa da, daha iyi öğrenmek için kendi öğrenme stilini kullanması öğrenmelerinde daha faydalı olabilir. Öğretmenlerin öğrencilerin bilgi öğrenmesine yardımcı olmak için bu tercihlerden mümkün olduğunca daha fazlasını öğretmeleri gerekmektedir. Öğrencilerin sınıflarında başarılı olabilmeleri amacıyla öğretmenler bu öğrenme stillerini mevcut müfredata dahil edebilirler. Bu çalışma öğrencilerin öğrenme tarzlarını ve bunların kombinasyonunukullanarak bir uyarlanabilir öğrenme ortamı geliştirme çalışmasıdır. Bu çerçevede öğrencilerin uygulamalarında yardımcı olmak için internette sunulan ve öğrencilerin öğrenme tarzlarını ölçme amaçlı VARK anketi ve VARK öğrenme tarzı modeli kullanılmıştır. Çalışmada Atılım Üniversitesinden 50 mühendislik öğrencisinden oluşan bir katılımcılar grubunu kullanmıştır. Çalışmanın deseni öntestsontest kontrol gruplu yarı deneysel desendir. Verilerin analiz edilmesinin bir sonucu olarak, Deneysel grup ile Kontrol grubu arasındaki ortalama puan farkının önemli ölçüde Deneysel grup lehine olduğu ve VARK öğretme modelini uygulayan deneysel gruptaki başarı seviyesinin Kontrol grubuna kıyasla daha yüksek olduğu belirlenmiştir. Bununla beraber, sistemin kullanılmasıyla öğrencilerin memnuniyetini ölçen 10 maddelik Öğrenci memnuniyet anketine göre, sistemle birlikte öğrencilerin memnuniyet seviyesi önemli ölçüde daha yüksektir.

Browse

Browsing Atılım Üniversitesi / Atılım University by Department "Fen Bilimleri Enstitüsü / Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı"