Eşler arası ağlarda güven yönetiminin genetik programlama ile sağlanması
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Eşler arası sistemler, her kullanıcıya kolay paylaşım ve açık erişim olanağı sağlaması sebebiyle yaygın olarak kullanılmaktadır. Fazla sayıda kullanıcıya hitap eden eşler arası sistemlerde, sistemi kötü amaçlı kullanan kullanıcılar da bulunabilmektedir. Bu durum ise eşler arası sistemlerde güven yönetimini sağlamayı gerektirmektedir. Sistemde var olan kötü niyetli kullanıcıların sistemden uzaklaştırılması adına birçok yöntem uygulanmıştır. Yöntemlerin temel amacı kötü niyetli kullanıcıları tespit etmek ve onlar ile etkileşime girilmesini önlemektir.Yapılan tez çalışması kapsamında eşler arası sistemlerdeki güven yönetimi, saldırganlara karşı eğitilebilen ve evrimleşerek daha iyi çözümler sunabilen bir model ile sağlanmıştır. Genetik programlama yardımı ile evrimleşen ve kötü niyetli kullanıcıların karakteristiklerini öğrenerek sistemden uzaklaştıran bir model oluşturulmuştur. Kullanıcıların doğrudan birbirleri ile olan etkileşimleri ve komşularından aldıkları tavsiyeler üzerine kurulu olan model sayesinde sistemdeki kötü niyetli kullanıcıların yaptığı saldırılar engellenmeye çalışılmıştır. Farklı durumlara ve saldırı türlerine göre eğitilen model çeşitli ortamlarda test edilmiş ve başarılı sonuçlara ulaşılmıştır. Peer-to-peer systems are used commonly by virtue of enabling easy resource sharing and open access to every user. Peer-to-peer systems with large number of peers may also contain peers that use the systems maliciously. This situation makes the trust management necessary in the peer-to-peer systems. Many methods have been applied to remove existing malicious peers from the system. Main purpose of these methods is to identify the malicious peers and prevent interaction with them.Within the context of this thesis, trust management in the peer-to-peer systems is provided with a model which trains and improves itself according to the attackers. With the help of genetic programming, a model which evolves and removes malicious peers by detecting their characteristics is developed. Using the model based on peers' direct interactions with each other and recommendations from neighbors, attacks of malicious peers in the system are tried to be prevented. The model trained for different situations and attack types, is tested in various configurations and successful results are obtained.
Collections