Anomaly detection in wireless sensor networks (WSNs)‎ by using machine learning techniques

العناوين الأخرى

الكشف عن الشذوذ في شبكات الاستشعار اللاسلكية باستخدام تقنيات التعلم الآلي

مقدم أطروحة جامعية

al-Lasasimah, Ala Ahmad

مشرف أطروحة جامعية

al-Kasasibah, Muhammad Sharari Zamil

أعضاء اللجنة

al-Kasasibah, Malik Zakariyya
Hammuri, Awni
Hammad, Mustafa Muhammad

الجامعة

جامعة مؤتة

الكلية

كلية تكنولوجيا المعلومات

دولة الجامعة

الأردن

الدرجة العلمية

ماجستير

تاريخ الدرجة العلمية

2015

الملخص الإنجليزي

In this thesis, we generated two main datasets, the first being based on tree topology and the second on star topology.

The datasets were evaluated by three Machine Learning (ML) algorithms: Bayesian Network, Random Forest and Multilayer Perceptron (MLP).

Each topology was classified into normal and abnormal (attack) network traffic.

The data were generated in the following phases: perform networks for two topologies, data collection, data preprocessing and classification.

The dataset used in our work contained simulated data from network simulation 2 (NS2).

In each database the Bayesian network (BayesNet) classifier achieved the highest accuracy level among other classifiers, of 95.46% and 98.87% respectively, with the minimum time for building the model.

The MLP classified achieved the lowest accuracy level among other classifiers, of 90.98% for tree topology and 92.55% for star topology.

Random Forest achieved the middles accuracy level among other classifiers, 93.72% for tree topology and 95.7004 % for star topology

التخصصات الرئيسية

تكنولوجيا المعلومات وعلم الحاسوب

عدد الصفحات

58

قائمة المحتويات

• APA
• MLA
• AMA

لغة النص

الإنجليزية

نوع البيانات

رسائل جامعية

رقم السجل

BIM-729779