Derin öğrenme tabanlı regresyon problemlerinin başarımlarının incelenmesi
Investigation of the performance of deep learning based regression problems
- Tez No: 1019379
- Danışmanlar: DOÇ. DR. DUYGU KAYA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Siber güvenlik altyapılarında her geçen gün artan veri hacmi ve mutasyona uğrayan sıfırıncı gün saldırıları, etiketli verilere dayanan geleneksel sınıflandırma sistemlerini yetersiz kılmaktadır. Bu tez çalışması, anomali tespitini bir sınıflandırma görevi olmaktan çıkararak, ağ trafiğinin güvenli davranışını modelleyen ve aktarılan veri miktarını tahmin eden derin öğrenme tabanlı bir regresyon mimarisi önermektedir. Temel hipotez, sistemin yalnızca normal trafik özelliklerini öğrenerek bir matematiksel referans oluşturması ve bu referanstan sapan hataların Üç Sigma kuralı ve PR-F2 eşik yöntemi ile siber saldırı olarak doğrulanmasıdır. Çalışmada Internet Firewall veri seti kullanılmıştır. Veri ön işleme aşamasında sağa çarpık dağılıma sahip değişkenlere logaritmik dönüşüm uygulanmış, ardından tüm giriş özellikleri standartlaştırılmıştır. Modeller yalnızca normal trafik verileriyle eğitilmiştir. Doğrulama ve test aşamalarında normal ve saldırı kayıtları birlikte kullanılmıştır. Lineer Regresyon, Ridge Regresyon, Destek Vektör Regresyonu, Çok Katmanlı Algılayıcı, Bir Boyutlu Evrişimli Sinir Ağı ve Otokodlayıcı tabanlı regresyon modelleri karşılaştırılmıştır. Modellerin performansları regresyon metrikleri ile değerlendirilmiş, ardından tahmin hataları kullanılarak Üç Sigma ve PR-F2 tabanlı eşikleme yöntemleriyle anomali tespiti gerçekleştirilmiştir. Elde edilen sonuçlar, yüksek regresyon başarımının her zaman yüksek anomali tespit başarımı anlamına gelmediğini göstermiştir. Modeller arasında Destek Vektör Regresyonu belirli performans metriklerinde başarılı sonuçlar üretirken, 1 Boyutlu Evrişimli Sinir Ağı modeli hem regresyon hem de anomali tespit performansları açısından daha dengeli ve kararlı sonuçlar sergilemiştir. Özellikle farklı eşikleme yöntemleri altında tutarlı performans göstermesi, 1D-ESA mimarisinin ağ trafiğindeki karmaşık örüntüleri öğrenmede etkili olduğunu ortaya koymuştur. Sonuç olarak çalışma, regresyon hatalarına dayalı eşikleme yaklaşımının ağ güvenliğinde etkili bir karar destek mekanizması olarak kullanılabileceğini göstermektedir.
Özet (Çeviri)
The increasing volume of network traffic and the emergence of evolving zero-day attacks have reduced the effectiveness of traditional classification-based intrusion detection systems that rely heavily on labeled data. This thesis proposes a deep learning-based regression architecture that approaches anomaly detection as a prediction problem rather than a classification task. The proposed framework models the normal behavior of network traffic and predicts the amount of transmitted data. The main hypothesis is that the system can establish a mathematical reference by learning only normal traffic patterns, while deviations from this reference can be identified as cyberattacks using the Three-Sigma rule and the PR-F2 thresholding method. The Internet Firewall dataset was used in this study. During the data preprocessing stage, logarithmic transformation was applied to positively skewed variables, and all input features were subsequently standardized. The models were trained exclusively on normal traffic data, whereas both normal and attack records were utilized during the validation and testing phases. Linear Regression, Ridge Regression,SVR Multilayer Perceptron, 1D-CNN, and Autoencoder-based regression models were implemented and compared. Model performances were first evaluated using regression metrics, and anomaly detection was then performed through thresholding techniques based on prediction errors, namely the Three-Sigma rule and the PR-F2 method. The experimental results demonstrated that superior regression performance does not necessarily translate into superior anomaly detection capability. Although SVR achieved competitive results in certain evaluation metrics, the 1D-CNN produced more balanced and stable performance in both regression and anomaly detection tasks. Its consistent performance across different thresholding methods indicates its effectiveness in capturing complex traffic patterns. Overall, the findings suggest that prediction error-based thresholding can serve as an effective decision-support mechanism for network security applications.
Benzer Tezler
- İdiyopatik pulmoner fibrozis ilerlemesini öngören bir karar destek sistemi geliştirilmesi
Development of a decision support system for predicting the progression of idiopathic pulmonary fibrosis
FODE CAMARA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiFen Bilimleri Ana Bilim Dalı
DOÇ. DR. MURAT GEZER
- Tuzlu su desalinasyonunda yapay zeka kullanımı
Application of artificial intelligence in saltwater desalination
RABİYA KARALI TÜRKER
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMANUR AYDINALP PENÇE
- Fractional-order derivative based adaptive methods for control and optimization
Kontrol ve optimizasyon için kesir mertebeli türev tabanlı adaptif yöntemler
MERT CAN KURUCU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDE GÜZELKAYA
PROF. DR. İBRAHİM EKSİN
- Age and gender classification from ear images
Kulak imgelerinden yaş ve cinsiyet sınıflandırma
DOĞUCAN YAMAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Diagnosing knee injuries from mri with transformer based deep learning
Transformer tabanlı derin öğrenme ile mr görüntülerinden diz hastalıklarının tespiti
GÖKAY SEZEN
Yüksek Lisans
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKAY ÖKSÜZ