Yazılım tanımlı ağ temelli saldırı tespit ve önleme sistemi geliştirme
Software defined network based intrusion detection and prevention system development
- Tez No: 1010239
- Danışmanlar: PROF. DR. MUSTAFA ALKAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayar ağları güvenliği, Siber saldırı, Yapay zeka ve makine öğrenmesi dersi, Yazılım tanımlı ağlar, Computer networks security, Cyber attack, Artificial intelligence and machine learning course, Software defined networks
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgi Güvenliği Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgi Güvenliği Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, Yazılım Tanımlı Ağlara (YTA) yönelik gerçekleştirilen siber saldırıların tespit edilmesi ve önlenmesine yönelik olarak makine öğrenmesi ve derin öğrenme tabanlı bir çözüm önerisi geliştirilmiştir. Çalışmanın ilk aşamasında, 2020–2024 yılları arasında yayımlanan 163 bilimsel çalışma incelenerek kapsamlı bir sistematik literatür taraması gerçekleştirilmiştir. Bu analiz sonucunda, YTA güvenliği alanında yeniden üretilebilir, dengeli ve YTA'lara özgü veri setlerinin yetersiz olduğu belirlenmiştir. Bu eksiklikten yola çıkarak, Ryu denetleyici ve Openflow anahtarlar kullanılarak SDN-ATK adında yeni bir veri seti oluşturulmuştur. Elde edilen veri seti üzerinde makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak hem ikili hem de çok sınıflı saldırı tespit deneyleri yapılmış olup, söz konusu modeller yüksek doğruluk ve düşük yanlış pozitif oranı ile başarılı sonuçlar vermiştir. Tezin son aşamasında, geliştirilen model çıktıları gerçek zamanlı çalışan akış tabanlı bir saldırı tespit ve önleme sistemine entegre edilmiştir. Bu sistem, ağ trafiğinden çıkarılan öznitelikleri analiz ederek saldırı olasılıklarını hesaplamakta ve dinamik karar eşiği optimizasyonu aracılığıyla saldırıları tespit etmektedir. Gerçek zamanlı test sonuçları, önerilen sistemin yüksek doğruluk oranı ile YTA ortamlarında etkin bir savunma mekanizması sunduğunu göstermiştir. Sonuç olarak, bu tez, YTA güvenliği alanında veri seti oluşturma, modelleme ve saldırı tespiti süreçlerini bütünleştiren özgün bir yaklaşım ortaya koymaktadır.
Özet (Çeviri)
This PHD thesis proposes a machine learning and deep learning-based approach for detecting and preventing cyberattack targeting Software-Defined Networks (SDN). In the first phase of the study, a comprehensive Systematic Literature Review (SLR) was conducted by analyzing 163 research papers published between 2020 and 2024. The review revealed that existing studies in SDN security lack reproducible, balanced, and SDN-specific datasets. To address this gap, a new dataset named SDN-ATK was developed using the Ryu controller and OpenFlow switches. Using this dataset, both binary and multiclass attack detection experiments were performed with ML and DL techniques. The models achieved high accuracy and low false positive rates, demonstrating their reliability in SDN-based environments. In the final stage, the trained model outputs were integrated into a real-time, flow-based attack detection and prevention system. This system analyzes flow features extracted from network traffic, computes attack probabilities, and applies dynamic threshold optimization for classification. Experimental results indicate that the proposed system achieves high detection accuracy and providing an effective and adaptive defense mechanism for SDN environments. Overall, this study presents an original and integrated approach that combines dataset generation, intelligent modeling, and real-time intrusion detection within the context of SDN security.
Benzer Tezler
- Yapay zeka yöntemleri ile yazılım tanımlı ağlar için saldırı tespiti
Intrusion detection for software defined networks with artificial intelligence methods
YASEMİN PEKTATLI YAVAŞ
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. SEYFETTİN SİNAN GÜLTEKİN
- Ağ altyapılarında yapay zeka tabanlı ağ trafik yönetim mekanizmalarının incelenmesi
Investigation of artificial intelligence based network traffic management mechanisms in network infrastructures
AYŞE NUR TEMURÇİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEVLÜT ERSOY
- Yazılım tanımlı ağlarda makine öğrenme temelli saldırı tespit sistemi
Machine learning based intrusion detection system in software defined networks
BİROL EMEKLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Yazılım tanımlı ağlarda DDoS saldırılarının erken tespiti için derin öğrenme tabanlı bir füzyon yaklaşımı
A deep learni̇ng-based fusi̇on approach for early detecti̇on of DDoS attacks i̇n software-defi̇ned networks
BÜŞRA ÖZDOĞAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMAL KOÇAK
- Performance evaluations on the spatial reuse techniques of the next generation wlans
Yeni nesil kablosuz yerel ağlarında spektral tekrar kullanım tekniklerinin değerlendirmesi
ÖMER FARUK TOPAL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT