Yapay zeka tabanlı davranışsal veri analizi ile siber güvenlik tehditlerin önlenmesi
Preventing cybersecurity threats with artificial intelligence-based behavioral data analysis
- Tez No: 1003776
- Danışmanlar: PROF. DR. NİHAN KAHRAMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, içeriden gelen tehditler ve gelişmiş siber saldırıların giderek artan karmaşıklığını ele alarak, yapay zeka ve davranışsal veri analizine dayalı çok katmanlı bir siber güvenlik mimarisi önermektedir. Günümüz siber tehditleri, meşru kullanıcı kimliklerini, uzun süreli erişim yetkilerini ve çok aşamalı saldırı zincirlerini istismar etmekte; bu durum geleneksel imza tabanlı ve kural odaklı güvenlik mekanizmelerini yetersiz hale getirmektedir. Bu problem kapsamında, Zero-Trust prensipleriyle uyumlu, modüler bir üç katmanlı davranışsal güvenlik mimarisi tasarlanmıştır. Her katman farklı bir davranışsal yüzeyi bağımsız olarak modellemektedir: (i) mobil klavye dinamikleri kullanılarak sürekli kimlik doğrulama sağlayan kullanıcı etkileşim davranışı, (ii) anomali tabanlı modeller aracılığıyla içeriden gelen tehditlerin tespitine yönelik kurumsal kullanıcı davranışı ve (iii) aşırı sınıf dengesizliği altında IoT ve ağ trafiği davranışlarını analiz eden saldırı tespit katmanı. Katmanlar arası ham veri paylaşımı yapılmaksızın, her modül kalibre edilmiş bir risk veya saldırı güven skoru üretmekte ve bu skorlar karar seviyesinde bir politika motoru tarafından birleştirilmektedir. Önerilen mimari, her katmana karşılık gelen üç farklı veri kümesi üzerinde değerlendirilmiştir: kimlik modelleme için MEU-Mobil Klavye Dinamikleri veri kümesi, kurumsal davranış analizi için CERT Insider Threat (r4.2) veri kümesi ve IoT ağ saldırı tespiti için CIC IoT-DIAD 2024 veri kümesi. Deneysel sonuçlar, davranış temelli modellemenin gizli ve çok aşamalı tehditlerin tespitinde etkinliğini artırırken, sistemin modülerliğini ve operasyonel uygulanabilirliğini koruduğunu göstermektedir. Sonuç olarak bu tez, yapay zeka destekli, davranış odaklı ve Zero-Trust uyumlu çok katmanlı siber güvenlik sistemleri için uygulanabilir ve ölçeklenebilir bir mimari çerçeve sunmaktadır.
Özet (Çeviri)
This thesis addresses the increasing complexity of insider threats and advanced cyber-attacks by proposing a multi-layer cybersecurity architecture based on artificial intelligence and behavioral data analysis. Contemporary cyber threats increasingly exploit legitimate user identities, long-term access privileges, and multi-stage attack chains, rendering traditional signature-based and rule-driven security mechanisms insufficient. Within this context, a modular three-layer behavioral security architecture aligned with Zero-Trust principles is designed. Each layer independently models a distinct behavioral surface: (i) user interaction behavior enabling continuous authentication through mobile keystroke dynamics, (ii) enterprise user behavior for insider threat detection using anomaly-based models, and (iii) an intrusion detection layer that analyzes IoT and network traffic behavior under extreme class imbalance. Without sharing raw data across layers, each module produces a calibrated risk or attack-confidence score, which is aggregated at the decision level by a policy engine. The proposed architecture is evaluated on three representative datasets corresponding to each layer: the MEU-Mobile Keystroke Dynamics dataset for identity modeling, the CERT Insider Threat dataset (r4.2) for enterprise behavioral analysis, and the CIC IoT-DIAD 2024 dataset for IoT network intrusion detection. Experimental results demonstrate that behavior-based modeling improves the detection of stealthy and multi-stage threats while preserving system modularity and operational feasibility In conclusion, this thesis presents a practical and scalable architectural framework for artificial intelligence–driven, behavior-centric, and Zero-Trust–compliant multi-layer cybersecurity systems.
Benzer Tezler
- Oturum verileri üzerinden davranışsal anomali ve iç tehdit tespiti: açıklanabilir yapay zekâ destekli bir yaklaşım
Behavioral anomaly and insider threat detection from session data: an explainable artificial intelligence-based approach
ERHAN YILMAZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜ CAN
- Windows olay günlüklerinde grafik dönüştürücü ağlar ile anomali tespiti
Anomaly detection with graph transformer networks in windows event logs
TUBA ŞENGÜN BAKICI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA KAYA
- Promptshıeld: polıcy-aware data loss preventıon framework for generatıve AI prompts
Promptshıeld: Politika farkındalıklı üretken yapay zekâ istemleri için veri kaybı önleme çerçevesi
EZGİ KELEŞ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- Assembly kodu üzerinden doğal dil işleme ve yapay zeka ile zararlı yazılım tespiti
Malware detection through natural language processing and artificial intelligence on assembly codes
ALPER EĞİTMEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SIRMA YAVUZ
PROF. DR. ALİ GÖKHAN YAVUZ
- Customer adoption of genai-powered chatbots: An evaluation based on the service robot acceptance model (SRAM)
Genaı destekli sohbet robotlarının müşteriler tarafından benimsenmesi: Hizmet robotu kabul modeline (SRAM) dayalı bir değerlendirme
ÖMER ÇEVİK
Yüksek Lisans
Türkçe
2025
İşletmeTürk-Alman Üniversitesiİşletme Yönetimi Ana Bilim Dalı
PROF. DR. ELA SİBEL BAYRAK MEYDANOĞLU
DR. ÖĞR. ÜYESİ AHMET TUĞRUL TUĞER