Makine öğrenmesi ile eşzamanlı ağ saldırılarının tespitive sınıflandırılması
Detection and classification of concurrent network attacks with machine learning
- Tez No: 1002177
- Danışmanlar: DR. RÜŞTÜ MURAT DEMİRER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Siber Güvenlik Ana Bilim Dalı
- Bilim Dalı: Siber Güvenlik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, makine öğrenmesi yöntemleri kullanılarak ağ saldırılarının tespiti ve sınıflandırılması ele alındı. CSE-CIC-IDS-2018 ve NSL-KDD veri setleri kullanılarak, ağ trafiğindeki saldırı türlerini belirlemek ve sınıflandırmak için Random Forest ve XGBoost algoritmalarıyla bir model oluşturuldu. Eğitim aşamasında, veri setlerindeki dengesizlikler giderildi. Modelin doğruluğunu artırmak için hiperparametre optimizasyon teknikleri uygulandı. Oluşturulan model, hem eğitim veri setlerinde hem de gerçek ağ ortamlarında başarıyla test edildi. Gerçek ağ verileri Suricata ve Wireshark adlı araçlarla toplanmış ve pcap formatında saklanmıştır. Bu veriler, Scapy kütüphanesiyle incelenmiş ve CICFlowMeter kullanılarak akış temelli özellikler çıkarılmıştır. Model, gerçek ağ ortamından alınan veriler üzerinde yüksek doğrulukla saldırıları tespit etmiştir. Çalışmada özellikle DDoS, Brute Force ve SQL Injection gibi yaygın saldırı türlerine odaklanılmıştır. Modelin hem yaygın hem de nadir saldırıları başarıyla ayırt edebildiği gözlemlenmiştir. Bu çalışma, makine öğrenmesi yöntemlerinin gerçek zamanlı saldırı tespitinde kullanılabilirliğini göstermiştir. Scapy kütüphanesi kullanılarak geliştiren Ağ trafiği analizi, saldırı tespiti ve Sınıflandırma Sistemi ile ağ güvenliğini güçlendirmek için somut bir çözüm sunmuştur. Ancak, mevcut modelin daha iyi çalışması ve daha geniş bir saldırı türlerini kapsaması için veri setlerinin güncellenmesi ve farklı algoritmaların birleştirilmesi önerilmektedir. Elde edilen sonuçlar, makine öğrenmesi yöntemlerinin ağ güvenliğinde kullanımına önemli katkılar sağlamıştır.
Özet (Çeviri)
In this study, the detection and classification of network attacks were addressed using machine learning methods. A model was developed with Random Forest and XGBoost algorithms to identify and classify attack types in network traffic using the CSE-CIC-IDS-2018 and NSL-KDD datasets. During the training phase, imbalances in the datasets were resolved. Hyperparameter optimization techniques were applied to enhance the accuracy of the model. The developed model was successfully tested on both training datasets and real network environments. Real network data were collected using tools like Suricata and Wireshark and stored in pcap format. This data was analyzed with the Scapy library, and flow-based features were extracted using CICFlowMeter. The model demonstrated high accuracy in detecting attacks on data obtained from real network environments. The study particularly focused on common attack types such as DDoS, Brute Force, and SQL Injection. It was observed that the model could successfully distinguish both common and rare attacks. This study demonstrated the feasibility of using machine learning methods for real-time attack detection. The network analysis and attack detection classification developed with the Scapy library provided a concrete solution to strengthen network security. However, to improve the performance of the current model and cover a broader range of attack types, it is recommended to update the datasets and integrate different algorithms. The results obtained have made significant contributions to the application of machine learning methods in network security.
Benzer Tezler
- Digital twin-enabled intelligent attack detection mechanisms for autonomous networks
Otonom ağlar için dijital ikiz destekli akıllı saldırı tespit mekanizmaları
YAĞMUR YİĞİT
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BERK CANBERK
- Cyber tools as foreign policy instruments in trilateral relations: Analysing cyber-attacks targeting the United Kingdom
Üçlü ilişkilerde dış politika aracı olarak siber araçlar: Birleşik Krallık'ı hedef alan siber saldırıların analizi
ATAKAN YILMAZ
Doktora
İngilizce
2024
Siyasal BilimlerGalatasaray ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
DOÇ. DR. MENENT SAVAŞ CAZALA
- Makine öğrenmesi yöntemleri ile siber güvenlik değerlendirmesi: Ağ trafik analizi ve zararlı yazılım algılama
Cyber security assessment with machine learning methods: Network traffic analysis and malware detection
ALİ HAYDAR ESER
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- Aeroacoustics and aerodynamics optimization with using machine learning algorithms
Makina öğrenmesi algoritması kullanılarak aerodinamik ve aeroakustik optimizasyon
SERHAD AYTAÇ
Doktora
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ZAFER
- A network-resilient and privacy preserving federated imitation learning framework for truck platooning
Kamyon konvoyları için ağ dayanıklılığı ve gizlilik koruyucu federatif taklit öğrenme çerçevesi
HALUK ÇAĞATAY KIR
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR