Siber güvenlik veri setlerinde meta-sezgisel makine öğrenmesi yöntemlerinin performanslarının incelenmesi
Investigating the performance of meta-heuristic machine learning methods on cyber security datasets
- Tez No: 1017222
- Danışmanlar: DOÇ. DR. ELİF VAROL ALTAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde Android işletim sisteminin yaygın kullanımı, bu platformu kötü amaçlı yazılımlar için ana hedef haline getirmiştir. Bu tez çalışmasında, Android işletim sistemi üzerinde kötü amaçlı yazılım tespit problemini ele almak amacıyla meta-sezgisel özellik seçimi algoritmaları ile makine öğrenmesi modellerini entegre eden bir yaklaşım önerilmiştir. Çalışma kapsamında TUANDROMD veri seti kullanılmış olup, statik analiz yöntemiyle elde edilen izin ve API çağrılarından oluşan yüksek boyutlu özellik uzayı üzerinde deneysel analizler gerçekleştirilmiştir. Özellik seçimi aşamasında, Genetik Algoritma (GA), Parçacık Sürü Optimizasyonu (PSO), Karınca Kolonisi Optimizasyonu (ACO), Yapay Arı Kolonisi (ABC), Boz Kaz Optimizasyonu (GGO), Yapay Protozoa Optimizasyonu (APO), Mantar Büyüme Optimizasyonu (FGO), Ağırlıklı Ortalama Algoritması (WAA) ve Kara Kanatlı Çaylak Algoritması (BWKA) olmak üzere dokuz farklı sarmalayıcı tabanlı meta-sezgisel algoritma kullanılmıştır. Deneysel süreçte, sonuçların güvenilirliğini ve genelleme yeteneğini sağlamak amacıyla 10-katlı dış çapraz doğrulama ve her bir kat içerisinde 5-katlı iç çapraz doğrulamadan oluşan iç-içe çapraz doğrulama yapısı benimsenmiştir. Özellik seçimi yalnızca eğitim verisi üzerinde gerçekleştirilmiş ve test verisi değerlendirme aşamasında kullanılmıştır. Elde edilen özellik alt kümeleri, Doğrusal Ayırıcı Analiz, Destek Vektör Makineleri ve K-En Yakın Komşu modelleri ile sınıflandırılmıştır. Performans değerlendirmeleri, doğruluk, kesinlik, duyarlılık, F1-skoru ve Cohen's Kappa katsayısı metriklerinin yanı sıra, modellerin hesaplama maliyetini ve model karmaşıklığını analiz edebilmek amacıyla çalışma süresi ve seçilen özellik sayısı üzerinden gerçekleştirilmiştir. Deneysel sonuçlar, meta-sezgisel özellik seçimi yöntemlerinin, özellikle bazı algoritmalar altında, tüm özelliklerin kullanıldığı NoFS yaklaşımına kıyasla daha az sayıda özellik ile rekabetçi veya daha yüksek sınıflandırma performansı sağlayabildiğini göstermektedir.
Özet (Çeviri)
The widespread use of the Android operating system in today's world has made this platform a primary target for malicious software. In this thesis study, an approach that integrates meta-heuristic feature selection algorithms with machine learning models is proposed to address the malware detection problem on the Android operating system. Within the scope of the study, the TUANDROMD dataset was utilized, and experimental analyses were conducted on a high-dimensional feature space consisting of permissions and API calls obtained through static analysis methods. During the feature selection phase, nine different wrapper-based meta-heuristic algorithms were employed: Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), Artificial Bee Colony (ABC), Greylag Goose Optimization (GGO), Artificial Protozoa Optimization (APO), Fungus Growth Optimization (FGO), Weighted Average Algorithm (WAA), and Black-Winged Kestrel Algorithm (BWKA). In the experimental process, a nested cross-validation structure consisting of 10-fold outer cross-validation and 5-fold inner cross-validation within each fold was adopted to ensure the reliability and generalization capability of the results. Feature selection was performed only on the training data, and the test data was used in the evaluation phase. The obtained feature subsets were classified using Linear Discriminant Analysis, Support Vector Machines, and K-Nearest Neighbors models. Performance evaluations were conducted using accuracy, precision, recall, F1-score, and Cohen's Kappa coefficient metrics, as well as runtime and the number of selected features to analyze the computational cost and model complexity of the models. The experimental results demonstrate that meta-heuristic feature selection methods, particularly under certain algorithms, can provide competitive or higher classification performance with fewer features compared to the NoFS approach where all features are utilized.
Benzer Tezler
- Otonom araçlar için makine öğrenmesi teknikleri kullanılarak saldırı tespit sistemi geliştirilmesi
Development of intrusion detection system by using machine learning techniques for autonomous vehicles
DOĞUKAN AKSU
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED ALİ AYDIN
- A robust gradient boosting model based on smote and near miss methods for intrusion detection in imbalanced data sets
Saldırı tespit sistemleri için dengesiz veri setlerinde smote ve near mıss metotlarına dayalı güçlü gradyan artırma modeli
AHMET OKAN ARIK
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiIşık ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ÇİĞDEM ÇAVDAROĞLU
- Deep research for security intrusion detection cryptography, datasets, threats and potential solutions
Güvenlik ihlal tespiti için derinlemesine araştırma: Şifreleme, veri setleri, tehditler ve potansiyel çözümler
AYA MOUSTAFA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiSiber Güvenlik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET NACİ ÜNAL
- Lot tabanlı uydu ağlarında siber tehditlerin tespiti
Detecting cyber threats in iot based satellite networks
NİDA CANPOLAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENGÜL DOĞAN
- Büyük veri analizi yöntemleri ve yazılım teknolojileriyle metin madenciliği
Text mining using big data analysis methods and tools
EVREN PALA
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRAY YILMAZ