Fidye yazılımlarının ağ davranışlarında anomali ve sahte imza tespiti: zaman-frekans temsilleri ve transformer tabanlı bir yaklaşım
Detection of anomalies and fake signatures in the network behavior of ransomware: A time-frequency representation and transformer-based approach
- Tez No: 1017483
- Danışmanlar: DOÇ. DR. MESUT TOĞAÇAR
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Yönetim Bilişim Sistemleri, Defense and Defense Technologies, Computer Engineering and Computer Science and Control, Management Information Systems
- Anahtar Kelimeler: Anomali tespiti, Derin öğrenme, Görüntü işleme, Siber güvenlik, Siber saldırı, Yapay sinir ağları, Yapay zeka, Anomaly detection, Deep learning, Image processing, Cyber security, Cyber attack, Artificial neural networks, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Teknoloji ve Bilgi Yönetimi Ana Bilim Dalı
- Bilim Dalı: Teknoloji ve Bilgi Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde siber güvenlik bağlamında fidye yazılımları, veri gizliliği ve bütünlüğünü doğrudan tehdit eden başlıca risk unsurlarından biri olarak değerlendirilmektedir. Bu tür zararlı yazılımlar, hedef sistemlere sızarak hassas verileri şifrelemekte, kullanıcı erişimini kısıtlamakta hem bilgi güvenliği hem de ekonomik sürdürülebilirlik açısından ciddi riskler oluşturmaktadır. Bu çalışmada, fidye yazılımlarına ait ağ davranışlarının etkin biçimde tespit edilmesini amaçlayan ve zaman-frekans dönüşümlerine dayanan yenilikçi bir analiz yaklaşımı önerilmektedir. Gerçek dünya senaryolarını yansıtan açık erişimli bir veri seti kullanılarak bir boyutlu sinyal verileri, dalgacık dönüşüm teknikleri aracılığıyla iki boyutlu spektral temsillere dönüştürülmüştür. Elde edilen spektral temsiller, görüntü dönüştürücü mimarisi kullanılarak eğitilmiş ve bu süreçte çıkarılan öznitelikler ayrıntılı biçimde analiz edilmiştir. Ayırt edicilik düzeyi en yüksek olan öznitelikler mRMR ve Relief algoritmaları aracılığıyla belirlenmiş ve bu özniteliklerin sınıflandırma performansına katkıları kapsamlı olarak değerlendirilmiştir. Seçilen öznitelik kümelerinin bütünleştirilmesiyle oluşturulan nihai özellik vektörü, naif bayes yöntemi ile test edilmiş ve %99.3 doğruluk oranına ulaşılmıştır. Elde edilen sonuçlar çapraz doğrulama yöntemiyle teyit edilmiştir. Bulgular, önerilen yaklaşımın fidye yazılımlarına ilişkin ağ davranışlarının tespitinde geleneksel yöntemlere kıyasla daha yüksek doğruluk ve güvenilirlik sağladığını göstermektedir.
Özet (Çeviri)
Today, within the context of cybersecurity, ransomware is regarded as one of the primary threat factors directly compromising data confidentiality and integrity. Such malicious software infiltrates target systems, encrypts sensitive data, and restricts user access, thereby posing significant risks to both information security and economic sustainability. In this study, an innovative analysis approach based on time–frequency transformations is proposed to effectively detect ransomware-related network behaviors. Using an open-access dataset that reflects real-world scenarios, one-dimensional signal data were transformed into two-dimensional spectral representations through wavelet transformation techniques. The obtained spectral representations were trained using a vision transformer architecture, and the extracted features were analyzed in detail. The features with the highest discriminative capability were identified using the mRMR and Relief algorithms, and their contributions to classification performance were comprehensively evaluated. The final feature vector, generated through the integration of the selected feature sets, was tested using the Naive Bayes method and achieved an accuracy rate of 99.3%. The obtained results were further validated through cross-validation techniques. The findings demonstrate that the proposed approach provides higher accuracy and reliability in detecting ransomware-related network behaviors compared to conventional methods.
Benzer Tezler
- The ransomware detection and prevention tool design by using signature and anomaly based detection methods
İmza ve anomali tabanlı tespit yöntemlerini kullanarak fidye yazılımı tespit ve önleme aracı tasarımı
BARIŞ ÇELİKTAŞ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
DR. ÖĞR. ÜYESİ NAFİZ ÜNLÜ
- Fidye yazılımlarının makine öğrenmesi yöntemleri ile tespit edilmesi
Detection of ransomware using machine learning algorithms
VOLKAN OKUR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. MURAT GÖK
- Analyzing the evolution of android malware
Kötü amaçlı androıd yazılımlarının evriminin analizi
SAHİR SELÇUK MISIR
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET BURAK CAN
- Fidye yazılımları analizleri ve korunma yöntemleri
Ransomware analysis and protection methods
BURAK ÖZÇAKMAK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF SAĞIROĞLU
- Zararlı yazılımların tespiti için hibrit sistem tasarımı
Hybrid system design for malicious software detection
KERİM CAN KALIPCIOĞLU
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CENGİZ TOĞAY
DR. ÖĞR. ÜYESİ ESRA NERGİS YOLAÇAN