Derin öğrenme modelleri ile insansız hava araçlarında gps sahteciliği tespiti
Detecting gps spoofing in unmanned aerial vehicles with deep learning models
- Tez No: 1009308
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜR CAN TURNA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsansız Hava Araçlarının (İHA) sivil, ticari ve kritik altyapı uygulamalarında yaygınlaşması, bu sistemlerin siber güvenlik risklerine karşı daha kırılgan hâle gelmesine yol açmıştır. Bu riskler arasında, İHA'nın konumlama ve yön bulma yeteneklerini doğrudan etkileyen Küresel Konumlama Sistemi (GPS) sahteciliği saldırıları öne çıkmaktadır. GPS sahteciliği, hedef sistemin gerçek uydu sinyalleri yerine sahte sinyalleri meşru kabul etmesine neden olarak rotadan sapma, yanlış konumlama ve görev bütünlüğünün bozulması gibi ciddi sonuçlar doğurabilmektedir. Bu tezde, İHA'larda GPS sahteciliği saldırılarının tespiti amacıyla derin öğrenme tabanlı bir yaklaşım önerilmiş ve LSTM, GRU ve hibrit LSTM–GRU modellerinin karşılaştırmalı performans analizi gerçekleştirilmiştir. Çalışmada UAV Attack veri seti kullanılmış, veri ön işleme aşamalarının ardından korelasyon analizi ve karşılıklı bilgi yöntemleri ile başlangıçtaki 84 öznitelik içinden en anlamlı 11 öznitelik seçilmiştir. Seçilen öznitelikler kullanılarak geliştirilen modeller 5-katlı çapraz doğrulama çerçevesinde değerlendirilmiştir. Deneysel bulgular, hibrit LSTM–GRU modelinin ortalama %99,31 doğruluk, %96,98 duyarlılık ve %97,47 F1-skoru ile en başarılı model olduğunu göstermiştir. En yüksek kesinlik değeri ise %98,49 ile LSTM modelinde elde edilmiştir. ROC eğrileri, AUC değerleri, karışıklık matrisleri ve öğrenme eğrileri, tüm modellerin yüksek sınıflandırma başarısı sergilediğini; ancak hibrit yapının özellikle yanlış negatif oranını azaltma ve daha kararlı yakınsama sağlama açısından üstün olduğunu ortaya koymuştur. Sonuç olarak, derin öğrenme tabanlı hibrit mimarilerin GPS sahteciliği saldırılarının tespitinde etkili, güvenilir ve İHA güvenlik sistemlerine entegre edilebilir bir çözüm sunduğu değerlendirilmiştir.
Özet (Çeviri)
The increasing use of Unmanned Aerial Vehicles (UAVs) in civil, commercial, and critical infrastructure applications has made these systems more vulnerable to cybersecurity threats. Among these threats, Global Positioning System (GPS) spoofing attacks are particularly significant because they directly affect the positioning and navigation capabilities of UAVs. In a GPS spoofing attack, counterfeit signals are presented as legitimate satellite signals, which may cause route deviation, false positioning, and mission failure. This dissertation proposes a deep learning-based approach for detecting GPS spoofing attacks in UAVs and presents a comparative performance analysis of LSTM, GRU, and hybrid LSTM–GRU architectures.The study uses the UAV Attack dataset. After data preprocessing, the original 84-feature structure was reduced to 11 significant features through correlation analysis and mutual information-based feature selection. Using these selected features, the deep learning models were trained and evaluated within a 5-fold cross-validation framework. The experimental results show that the hybrid LSTM–GRU model achieved the best overall performance, with an average accuracy of 99,31%, a recall of 96,98%, and an F1-score of 97,47%. The highest precision value, 98,49%, was obtained by the LSTM model. ROC curves, AUC values, confusion matrices, and learning curves indicate that all evaluated models produced highly successful classification results; however, the hybrid architecture demonstrated a clear advantage in reducing false negatives and achieving more stable convergence during training. In conclusion, hybrid deep learning architectures offer an effective, reliable, and practically applicable solution for detecting GPS spoofing attacks and can contribute to the development of more resilient UAV security systems.
Benzer Tezler
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
