Bilgi güvenliği alanında tehdit modelleme için büyük dil modellerinin kullanımı
Utilizing large language models (LLMS) for threat modeling in information security
- Tez No: 1019769
- Danışmanlar: DOÇ. DR. MURAT GEZER
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tehdit modelleme, güvenli sistem tasarımının kritik bir unsuru olup, kuruluşların potansiyel güvenlik zafiyetlerini sistematik bir şekilde tanımlamalarına, analiz etmelerine ve bunları gidermelerine olanak tanır. Geleneksel tehdit modelleme süreçleri genellikle manuel, zaman alıcı ve gelişmiş bir güvenlik uzmanlığı bilgisine bağımlıdır. Bu çalışma, veri akış diyagramlarını bilgisayarlı görü ve büyük dil modelleriyle analiz ederek tehdit modelleme sürecini destekleyen hibrit bir yaklaşım geliştirmeyi amaçlamaktadır. Önerilen yaklaşım, veri akış diyagramlarındaki sistem bileşenlerinin otomatik olarak belirlenmesi, etiketlenmesi ve bu bileşenlerin potansiyel tehditlerle eşleştirilmesi süreçlerini desteklemektedir. Ayrıca, yardımcı bir dil modeli, tespit edilen tehditlerin yorumlanmasında kullanıcıya destek sağlayarak güvenlik farkındalığının artırılmasını hedeflemektedir. Elde edilen bulgular, önerilen yaklaşımın özellikle DFD öğelerinin tespiti ve tehdit raporlarının doğal dilde yorumlanması aşamalarında potansiyel taşıdığını; buna karşılık PyTM uyumlu kod üretimi, bağlamsal bileşen eşleştirme ve OCR kaynaklı hata yönetimi aşamalarında insan denetimi ve kural tabanlı doğrulama gerektirdiğini göstermektedir.
Özet (Çeviri)
Threat modeling is a critical element of secure system design, enabling organizations to systematically identify, analyze, and mitigate potential security vulnerabilities. Traditional threat modeling methods are often manual, time-intensive, and dependent on specialized security expertise. This study aims to develop a hybrid approach that supports the threat modeling process by analyzing data flow diagrams through computer vision techniques and large language models. The proposed approach supports the automatic identification and labeling of system components in DFDs, as well as the mapping of these components to potential threats. In addition, an auxiliary language model assists users in interpreting the identified threats, with the aim of increasing security awareness. The findings indicate that the proposed approach has potential particularly in the detection of DFD elements and the natural language interpretation of threat reports; however, it also requires human supervision and rule- based validation in stages such as PyTM-compatible code generation, contextual component mapping, and OCR-related error management.
Benzer Tezler
- The algorithmic veil: Affective trust, AI blind spots, and the design of human-centered news ranking
Algoritmik örtü: Duygulanımsal güven, yapay zekanın kör noktaları ve insan odaklı haber sıralamasının tasarımı
EMRE KIZILKAYA
Doktora
İngilizce
2025
GazetecilikGalatasaray ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
PROF. DR. KEREM RIZVANOĞLU
- Kitle iletişim özgürlüğünün sınırı olarak Türk Hukukunda adil yargılanma hakkına karşı suçlar
The offences against the right to a fair trial in Turkish Law as the restriction of freedom of mass communication
DİLEK EKMEKÇİ
- La solution proposee par Revonsuo concernant le probleme difficile de la conscience
Bilincin zor problemi hakkında Revonsuo tarafından önerilen çözüm
HATİCE GÜLAY EROL
Yüksek Lisans
Fransızca
2023
FelsefeGalatasaray ÜniversitesiFelsefe Ana Bilim Dalı
DOÇ. DR. SELAMİ ATAKAN ALTINÖRS
- A large language model based penetration test system implementation
Büyük dil modeli tabanlı sızma testi sistemi uygulaması
TUBA KINIK
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Evaluation and classification intrusion detection system for IoT networks by using different machine learning algorithm
Farklı makine öğrenme algoritması kullanarak IoT ağları için değerlendirme ve sınıflandırma saldırı tespit sistemi
QAYSSAR DHEYAA MOHSIN MOHSIN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OGUZ KARAN
