Medikal nesnelerin internetine yönelik siber tehditler için yapay zeka destekli saldırı tespit sisteminin geliştirilmesi
Development of an AI-powered intrusion detection system for cyber threats targeting the internet of medical devices
- Tez No: 1017437
- Danışmanlar: DOÇ. DR. FATİH ERTAM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Medikal Nesnelerin Interneti (IoMT) kavramı, insan sağlığının ve yaşam kalitesinin sürdürülebilir olmasında kritik bir öneme sahiptir. Fakat bu teknoloji, sağlık hizmetleri alanında bir devrim yaratmış olsa da, IoMT cihazlarının sahip olduğu sınırlı sistem kaynakları ve bu cihazların internete bağlı olması gibi durumlar, bu cihazları siber saldırılara karşı savunmasız bir hale getirmektedir. Bu tez çalışmasında, IoMT cihazlarına yönelik siber saldırıların tespiti ve sınıflandırılması için CICIoT2023 veri seti kullanılarak makine öğrenmesi tabanlı bir mimari önerilmiştir. Modelin analizi sürecinde DDoS, Botnet, XSS, MITM ve keşif saldırıları olmak üzere geniş saldırı çeşitliliği bulunmaktadır. Bu saldırıların tespiti için literatürde en yaygın ve güçlü modeller olan XGBoost, Rastgele Orman, Karar Ağaçları, Doğrusal SVM ve Lojistik Regresyon algoritmaları kullanılmıştır. Yapılan deneyler sonucunda, en yüksek sınıflandırma oranının %82.10 doğruluk oranı ile Rastgele Orman algoritması ve en düşük sınıflandırma oranını ise %51.48 doğruluk oranı ile Doğrusal SVM algoritması göstermiştir. Yapılan tez çalışmasının, IoMT alanında çalışacak olan araştırmacılara hangi makine öğrenmesi modelinin kullanılması konusunda ışık tutması amaçlanmıştır.
Özet (Çeviri)
Internet of Medical Things (IoMT) concept is critically important for the sustainability of human health and quality of life. However, while this technology has revolutionized healthcare, the limited system resources of IoMT devices and their internet connectivity make them vulnerable to cyberattacks. In this study, a machine learning-based architecture is proposed for the detection and classification of cyberattacks targeting IoMT devices using the CICIoT2023 dataset. The model analysis process included a wide variety of attacks, including DDoS, Botnet, XSS, MITM, and reconnaissance attacks. The most common and powerful models in the literature, such as XGBoost, Random Forest, Decision Trees, Linear SVM, and Logistic Regression algorithms, were used for their detection. Experimental results showed that the Random Forest algorithm achieved the highest classification accuracy rate at 82.10%, while the Linear SVM algorithm showed the lowest at 51.48%. The aim of this thesis is to provide guidance to researchers working in the field of IoMT regarding which machine learning model to use.
Benzer Tezler
- A novel artificial intelligence approach to strengthen intrusion detection system for internet of medical things
Medikal nesnelerin interneti için ağa sızmayı algılama sistemini güçlendirmeye yönelik yeni bir yapay zeka yaklaşımı
GÖKHAN AKAR
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ONAT
DOÇ. DR. ÜNAL ÇAVUŞOĞLU
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Tıbbi nesnelerin interneti (IoMT) için mahremiyet-artırıcı bir makine öğrenmesi yaklaşımı
A privacy-enhancing machine learning approach for the internet of medical things (IoMT)
RIZWAN UZ ZAMAN WANI
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜ CAN
- Leveraging machine learning for ıntrusion detection in the ınternet of medical things(IoMT): challenges and solutions
IoMT'de izinsiz giriş tespiti için makine öğreniminden yararlanma: zorluklar ve çözümler
OTHMAN SAAD SALMAN SALMAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. DERYA YILTAŞ KAPLAN
- Saldırı tespit ve engelleme sistemleri için yapay zeka tabanlı yeni bir güvenlik modelinin oluşturulması
Building a new artificial intelligence based security model for intrusion detection and prevention systems
İLHAN FIRAT KILINÇER
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
DOÇ. DR. FATİH ERTAM