Katman-2 saldırılarının tespiti için yapay zeka tabanlı yöntemlerinin geliştirilmesi
Development of artificial intelligence-based methods for the detection of layer-2 attacks
- Tez No: 1019086
- Danışmanlar: DOÇ. DR. ORHAN YAMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka ve makine öğrenmesi dersi, Artificial intelligence and machine learning course
- Yıl: 2026
- 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
Katman-2 saldırıların tespitine odaklanan yapay zeka tabanlı yöntemler, günümüzde ağ güvenliğinin güçlendirilmesinde önemli bir rol oynamaktadır. Bu yöntemler, ağ trafiğindeki anormalliklerin ve potansiyel saldırı davranışlarının hızlı ve etkili bir şekilde belirlenmesini sağlayarak, ağ yöneticilerine proaktif güvenlik önlemleri alma imkânı sunmaktadır. Özellikle yapay zeka tabanlı makine öğrenmesi algoritmaları, Katman-2 katmanındaki saldırıları tespit etmede yüksek başarı oranları ile dikkat çekmekte ve farklı saldırı türlerine karşı adaptif çözümler geliştirilmesine katkı sağlamaktadır. Tez kapsamında katman-2 saldırılarını içeren bir veri seti toplanmış ve yöntemler geliştirilmiştir. Tezde katman-2 saldırılarının tespitine yönelik iki temel katkı sunulmuştur. Birinci katkı t-SNE algoritması tabanlı saldırı tespit yöntemidir. DHCPstarvation, Macflood, ARPspoof, Normal, RogueDHCP ve Stp_attack saldırı türlerine ait veri seti kullanılmıştır. Bu veri setine t-SNE algoritması kullanılarak boyut indirgeme yapılmış ve özellikler çıkarılmıştır. Elde edilen özellikler Karar Ağacı algoritması ile sınıflandırılmıştır. Önerilen yöntem ile %90,87 maksimum doğruluk hesaplanmıştır. İkinci temel katkı ise U-Net segmentasyon tabanlı saldırı tespit yönteminin geliştirilmesidir. Bu çalışmanın temel motivasyonu, segmentasyon problemlerinde kullanılan U-Net algoritmasının saldırı tespit ve sınıflandırma probleminde kullanılmasıdır. t-SEN algoritması ile elde edilen özellikler 0-255 arasında normalize edilerek görüntülere dönüştürülmüştür. Her sınıf için farklı değerlere sahip sınıf etiketleri oluşturulmuştur. U-Net eğitim sonucunda %99,87 doğruluk hesaplanmıştır. Geliştirilen yöntemler, yalnızca ağ güvenliği alanında yapay zeka tabanlı çözümlerin etkinliğini artırmakla kalmaz, aynı zamanda ağ altyapılarının güvenliğini iyileştirmeye ve saldırılara karşı dayanıklılığını artırmaya katkı sağlamaktadır. Ayrıca, elde edilen sonuçlar, yeni ve yenilikçi savunma stratejilerinin geliştirilmesine temel oluşturur ve mevcut güvenlik önlemlerinin optimize edilmesine rehberlik etmektedir. Böylece, ağ güvenliği araştırmalarına hem teorik hem de pratik açıdan değerli bilgiler kazandırılmış ve gelecekteki saldırılara karşı daha hazırlıklı bir güvenlik yaklaşımı sunulmuştur.
Özet (Çeviri)
AI-based methods focusing on the detection of Layer 2 attacks play a significant role in strengthening network security today. These methods enable the rapid and effective identification of anomalies and potential attack behaviors in network traffic, allowing network administrators to take proactive security measures. In particular, AI-based machine learning algorithms stand out with their high success rates in detecting Layer 2 attacks and contribute to the development of adaptive solutions against different attack types. Within the scope of this thesis, a dataset containing Layer 2 attacks was collected and methods were developed. Two main contributions to the detection of Layer 2 attacks are presented in this thesis. The first contribution is an attack detection method based on the t-SNE algorithm. A dataset containing DHCPstarvation, Macflood, ARPspoof, Normal, RogueDHCP, and Stp_attack attack types was used. Dimensionality reduction was performed on this dataset using the t-SNE algorithm, and features were extracted. The obtained features were classified using the Decision Tree algorithm. A maximum accuracy of 90.87% was calculated with the proposed method. The second key contribution is the development of the U-Net segmentation-based intrusion detection method. The main motivation for this study is to apply the U-Net algorithm, used in segmentation problems, to intrusion detection and classification problems. Features obtained with the t-SEN algorithm were normalized between 0-255 and converted into images. Class labels with different values were created for each class. A 99.87% accuracy rate was calculated as a result of U-Net training. The developed methods not only increase the effectiveness of AI-based solutions in the field of network security, but also contribute to improving the security of network infrastructures and increasing their resilience against attacks. Furthermore, the results provide a basis for the development of new and innovative defense strategies and guide the optimization of existing security measures. Thus, valuable information has been added to network security research from both theoretical and practical perspectives, and a more prepared security approach against future attacks has been presented.
Benzer Tezler
- Cybersecurity defense mechanism against ddos attacks using ai-based detection framework
Yapay zeka tabanlı algılama çerçevesini kullanarak ddos saldırılarına karşı siber güvenlik savunma mekanizması
ALAA MOHAMMED MAHMOOD
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSA AVCI
- Yapay zeka tabanlı davranışsal veri analizi ile siber güvenlik tehditlerin önlenmesi
Preventing cybersecurity threats with artificial intelligence-based behavioral data analysis
MUHAMMED İKBAL KARADELİ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. NİHAN KAHRAMAN
- RPL tabanlı IoT cihazları zafiyetinin tespiti için makine öğrenmesi algoritmalarının karşılaştırılması
Comparison of machine learning algorithms to detect RPL-based IoT devices vulnerability
MURAT UĞUR KİRAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATINÇ YILMAZ
- Optimized visual odometry and satellite image matching-based localization for UAVS in GPS-denied environments
GPS olmayan ortamlarda İHA'lar için optimizasyonlu görsel odometri ve uydu görüntüsü eşleştirme tabanlı konumandırma
ÖMER SEFA ÖZTÜRK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. ALPTEKİN YILDIZ
- Event-triggered secure control design of multi-agent systems under false data ınjection attacks
Sahte veri enjeksiyonu saldırıları altında çok etmenli sistemler için olay tetiklemeli güvenli kontrol tasarımı
NESLİHAN KARAŞ KUTLUCAN
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. LEVENT UCUN
DOÇ. DR. JANSET DAŞDEMİR