Geri Dön

Sosyal mühendislikte metin tabanlı tehditlerin yapay zeka destekli analizi ve tespiti

Detection and analysis of text-based threats in social engineering with artificial intelligence assistance

PDF İndir

  1. Tez No: 1003943
  2. Yazar: ARWA MAHMOOD ABDULGHAFOOR AL-ANI
  3. Danışmanlar: DOÇ. DR. SELMAN HIZAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Makine öğrenmesi, Oltalama, Sosyal mühendislik, Yapay zeka, Machine learning, Phishing, Social engineering, Artificial intelligence
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bilgi ve iletişim teknolojilerinin hızla gelişmesiyle birlikte siber güvenlik, bireyler ve kurumlar için hayati önem kazanmıştır. Ancak teknolojik güvenlik önlemleri ne kadar gelişirse gelişsin, sistemlerin en zayıf halkası olarak kabul edilen“insan faktörü”, siber saldırganların birincil hedefi olmaya devam etmektedir. Sosyal Mühendislik (Social Engineering - SE) saldırıları, teknik güvenlik açıklarından ziyade insan psikolojisini hedef alır; bu da onları karmaşık ve tespit edilmesi zor hale getirir. Bu tez, özellikle e-posta, SMS ve sosyal medya mesajları gibi kanallar üzerinden gerçekleştirilen metin tabanlı SE saldırılarının daha etkili bir şekilde tespit edilmesi ve analiz edilmesi amacıyla, Yapay Zeka (Artificial Intelligence - AI) ve Doğal Dil İşleme (Natural Language Processing - NLP) destekli yenilikçi bir yaklaşımın geliştirilmesini hedeflemektedir. Geleneksel kural tabanlı güvenlik duvarlarının ve filtreleme sistemlerinin, dilsel nüansları ve bağlamsal tuzakları içeren sofistike SE taktiklerini yakalamakta yetersiz kalması, bu çalışmanın temel motivasyonunu oluşturmaktadır. Tezin kapsamı; bir literatür taraması, veri toplama ve ön işleme, AI modelinin geliştirilmesi, performans analizi ve sonuçların değerlendirilmesi olmak üzere beş ana aşamadan oluşmaktadır. Metodoloji kısmında ise, gerçek dünya senaryolarını yansıtan bir veri kümesi oluşturulmuş; bu veriler üzerinde temizleme, tokenizasyon ve vektörleştirme gibi kritik ön işleme adımları uygulanarak veriler AI algoritmaları için eğitime hazır hale getirilmiştir. Bu çalışmada geliştirilen AI modeli, metinsel verilere gömülü kötü amaçlı kalıpları, gizlenmiş dilsel yapıları ve şüpheli anlamsal ilişkileri öğrenmek, tespit etmek ve doğru bir şekilde sınıflandırmak üzere tasarlanmıştır. Model, SE saldırılarında yaygın olarak kullanılan bağlamsal göstergeleri, davranışsal göstergeleri ve ince manipülasyon stratejilerini analiz etmek için gelişmiş Makine Öğrenimi (Machine Learning - ML) tekniklerinden yararlanmaktadır. Modelin performansı; doğruluk, kesinlik, duyarlılık ve F-skoru gibi ölçütler kullanılarak sistematik olarak değerlendirilmiş ve çeşitli geleneksel kural tabanlı ve istatistiksel tespit yöntemleriyle karşılaştırılmıştır. Deneysel sonuçlar sağlamlık, uyarlanabilirlik ve tespit verimliliğinde iyileşmeler göstermektedir. Genel olarak, bu tez, siber güvenlikte gelişmiş SE tehditlerine karşı proaktif AI tabanlı savunmaların tasarlanması, uygulanması ve iyileştirilmesi için teorik bir çerçeve ve pratik bir yol haritası sunmaktadır.

Özet (Çeviri)

With the rapid development of information and communication technologies, cybersecurity has become vitally important for individuals and institutions. However, no matter how advanced technological security measures become, the“human factor,”considered the weakest link in systems, remains the primary target of cyber attackers. Social Engineering (SE) attacks target human psychology rather than technical vulnerabilities, making them complex and difficult to detect. This thesis aims to develop an innovative approach supported by Artificial Intelligence (AI) and Natural Language Processing (NLP) for more effective detection and analysis of text-based SE attacks, particularly those carried out through channels such as email, SMS, and social media messages. The inadequacy of traditional rule-based firewalls and filtering systems in capturing sophisticated SE tactics involving linguistic nuances and contextual traps forms the main motivation for this study. The scope of the thesis consists of five main stages: a detailed literature review, data collection and preprocessing, development of the AI model, performance analysis, and evaluation of the results. The methodology section presents a comprehensive dataset reflecting real-world scenarios. This data was prepared for training with AI algorithms by applying critical preprocessing steps such as cleaning, tokenization, and vectorization. The AI model developed in this study is designed to learn, detect, and accurately classify malicious patterns, hidden linguistic structures, and suspicious semantic relationships embedded in textual data. The model leverages advanced machine learning (ML) techniques to analyze contextual indicators, behavioral indicators, and subtle manipulation strategies commonly used in SE attacks. The model's performance was systematically evaluated using widely accepted metrics, including accuracy, precision, recall, and F-score, and rigorously compared with various traditional rule-based and statistical detection methods. Experimental results demonstrate improvements in robustness, adaptability, and detection efficiency. Overall, this thesis provides a comprehensive theoretical framework and a clear practical roadmap for designing, implementing, and improving proactive AI-based defenses against advanced SE threats in cybersecurity.

Benzer Tezler

  1. Tez No

    791809

    Virtual landscape in serious games: A framework for enhancing the player interaction focusing on the learning rate

    Ciddi oyunlarda sanal peyzaj: Öğrenme oranına odaklanarak oyuncu etkileşimini geliştirmek için çerçeve

    SEPEHR VAEZ AFSHAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Peyzaj Mimarlığıİstanbul Teknik Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ IKHWAN KIM

  2. Tez No

    928478

    Ağaç tabanlı sınıflandırma algoritmaları

    Tree-based classification algorithms

    BUSE KIRAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. BURAK ORDİN

  3. Tez No

    642596

    Teacher questions and student talk in English medium instruction classrooms in a Turkish higher education setting

    Bir Türk yüksek öğretim kurumunda İngilizcenin öğretim dili olarak kullanıldığı sınıflarda öğretmen soruları ve öğrenci konuşması

    EDA GENÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Eğitim ve ÖğretimKocaeli Üniversitesi

    Yabancı Diller Eğitimi Ana Bilim Dalı

    DOÇ. DR. DOĞAN YÜKSEL

  4. Tez No

    392493

    Topic-based influence computation in social networks under resource constraints

    Kaynak kısıtlamaları altında sosyal ağlar üzerinde konu tabanlı etki hesaplaması

    KAAN BİNGÖL

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKAN FERHATOSMANOĞLU

  5. Tez No

    395571

    Düzlem çelik çerçevelerin sosyal örümcek optimizasyonuna göre boyutlandırılması

    Optimum design of plane steel frame according to social spider optimization

    METİN YETKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    İnşaat MühendisliğiBalıkesir Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. PERİHAN EFE

    YRD. DOÇ. DR. İBRAHİM AYDOĞDU

Geri Dön