Lot tabanlı uydu ağlarında siber tehditlerin tespiti
Detecting cyber threats in iot based satellite networks
- Tez No: 1019081
- Danışmanlar: PROF. DR. ŞENGÜL DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Adli bilişim, Bilgisayar ağları güvenliği, Makine öğrenmesi, Siber güvenlik, Computer forensics, Computer networks security, Machine learning, Cyber security
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Adli Bilişim Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Uydu tabanlı IoT ağları, iletişim ve savunma gibi birçok kritik hizmette kullanılmasından dolayı siber güvenlik açısından oldukça yüksek öneme sahiptir. Bu tez çalışmasının amacı IoT tabanlı uydu ağlarında meydana gelen siber tehditleri erken aşamada ve yüksek doğrulukla tespit edebilen bütünleşik bir analiz yaklaşımı geliştirmektir. Bu çalışmada hibrit derin öğrenme modellerinin hem zamansal hem de yapısal örüntüleri birlikte öğrenerek geleneksel yöntemlere kıyasla daha başarılı sonuçlar vereceği ve çok katmanlı mimarilerin farklı saldırı türlerini ayırt etmede performansı artıracağı hipotezleri sınanmıştır. Araştırma, IoT ve uydu ağ ortamlarını temsil eden farklı siber güvenlik veri setlerinden elde edilen ağ trafiği kayıtlarından oluşmaktadır. Bu veri setleri hem normal hem de çeşitli saldırı türlerini içerecek şekilde seçilmiştir ve güncel çalışmalarda sıklıkla kullanılan güvenilir veri setleridir. Çalışmada veri ön işleme, özellik çıkarımı ve sınıflandırma gibi aşamalarından oluşan çok aşamalı bir yöntem uygulanmıştır. CNN, LSTM ve dikkat mekanizmalarını gibi yöntemleri birleştiren hibrit derin öğrenme modelleri kullanılarak aykırılık tespiti yapılmış ve modelin güvenilirliği çeşitli performans metrikleri ile değerlendirilmiştir. Elde edilen bulgular önerilen modellerin saldırı ve normal trafiği yüksek doğruluk oranlarıyla ayırt edebildiğini ve farklı veri setlerinde tutarlı sonuçlar verdiğini göstermektedir. Hibrit yapıların karmaşık saldırı örüntülerini yakalamada tekil modellere göre daha etkili olduğu belirlenmiştir. Bu tez sonucunda IoT tabanlı uydu ağları için ölçeklenebilir ve yüksek doğruluk oranlarına sahip birden fazla siber tehdit tespit yaklaşımları ortaya konmuştur.
Özet (Çeviri)
Satellite based IoT networks are of paramount importance in cybersecurity due to their use in many critical services such as communication and defense. The aim of this thesis is to develop an integrated analysis approach that can detect cyber threats occurring in IoT based satellite networks early and with high accuracy. This study tests the hypotheses that hybrid deep learning models will yield more successful results compared to traditional methods by learning both temporal and structural patterns together, and that multi layered architectures will improve performance in distinguishing different types of attacks. The research consists of network traffic logs obtained from different cybersecurity datasets representing IoT and satellite network environments. These datasets were selected to include both normal and various attack types and are reliable datasets frequently used in current studies. A multi stage method consisting of data preprocessing, feature extraction and classification stages was applied in the study. Anomaly detection was performed using hybrid deep learning models combining methods such as CNN, LSTM and attention mechanisms and the reliability of the model was evaluated with various performance metrics. The findings demonstrate that the proposed models can distinguish between attack and normal traffic with high accuracy rates and yield consistent results across different datasets. Hybrid structures were found to be more effective than single models in detecting complex attack patterns. This thesis presents multiple scalable and highly accurate cyber threat detection approaches for IoT based satellite networks.
Benzer Tezler
- Karasal olmayan ağların kapsama analizi
Coverage analysis of non-terrestrial networks
BİLAL ÇİÇEK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEMİHA TEDİK BAŞARAN
- Derin öğrenme ile nesne algılamada transfer öğrenme ve ince ayar işlemlerinin etkinliklerinin araştırılması
Studying effectiveness of transfer learning and fine tuning processes in object detection with deep learning
MEHMET UĞUR TÜRKDAMAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CELAL ÖZTÜRK
- Impacts of geothermal power plants on air quality, climate change and biodiversity
Jeotermal enerji santrallerinin hava kalitesi, iklim değişikliği ve biyoçeşitlilik üzerindeki etkileri
MERVE DÖNDÜ AYDIN
Yüksek Lisans
İngilizce
2024
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURÇAK KAYNAK TEZEL
PROF. DR. MICHAEL LEUCHNER
- The spatio-temporal dynamics of aerosols in the Marmara region and impact of land cover/use on atmospheric environment
Marmara bölgesindeki aerosollerin mekansal-zamansal dinamiksel ve arazi örtüsü/kullaniminın atmosferik ortam üzerindeki̇ etkisi
PARIA ETTEHADI OSGOUEI
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- Use of spatial information in classification and segmentation of synthetic aperture radar images
Uzamsal bilgilerin yapay açıklıklı uydu görüntülerinin sınıflandırma ve bölütleme işleminde kullanılması
ÜNSAL GÖKDAĞ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN