A federated learning and blockchain based intrusion detection system for enhanced security and privacy in the internet of vehicles
Araçların internetinde gelişmiş güvenlik ve gizlilik için birleşik öğrenme ve blockchain tabanlı izinsiz giriş tespit sistemi
- Tez No: 1023985
- Danışmanlar: PROF. DR. HASAN HÜSEYİN BALIK, PROF. DR. MUHAMMED ALİ AYDIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez; verinin, hesaplamanın ve güvenin araçlar, yol kenarı birimleri (RSU'lar) ve yönetimsel alanlardaki arka uç hizmetleri arasında dağıtıldığı Araçların İnterneti'nde (IoV) güvenilir, işbirlikçi saldırı tespitini incelemektedir. Bu ortamda yalnızca yüksek sınıflandırma başarımı yeterli değildir; çünkü pratik uygulama ham verinin yerelliğini, mahremiyetin korunmasını, hesap verebilir katılımı, kurcalamaya dayanıklı kanıtları ve güvenlik iddialarının doğrulanabilir biçimde yayımlanmasını gerektirir. Bu gereksinimleri karşılamak amacıyla tezde hiyerarşik bir Birleşik Öğrenme ve Blockchain Tabanlı İzinsiz Giriş Tespit Sistemi (FL-BC-IDS) tasarlanmış, uygulanmış ve değerlendirilmiştir. Araçlar yerel olarak eğitilir, RSU'lar deterministik kabul ve kenar toplulaştırması gerçekleştirir ve küresel bir sunucu ise kabul edilen RSU çıktılarını çalışma düzeyinde bir IDS modelinde birleştirir. Ham telemetri yerel ve zincir dışı kalırken sistem kanonik özetlenmiş kanıt çıktıları, kimliğe bağlı imzalı kanıtlar, araç tarafında diferansiyel gizlilik kayıtları, SHA-256 ve Poseidon Merkle taahhütleri, kapsamı sınırlandırılmış Groth16 ispat çıktıları ve Sepolia üzerinde makbuz niteliğinde yayın kayıtlarını temel öğrenme iş akışını değiştirmeden üretir. Doğrulama kapsamı bilinçli olarak sınırlandırılmıştır: sistem kanıt bütünlüğünü, toplulaştırma tutarlılığını, açık girdi uyumunu ve makbuz bağını denetler; fakat dürüst yerel eğitimi, ham veri kaynağını, diferansiyel gizliliğin doğru yürütüldüğünü veya öğrenmenin tüm anlamsal doğruluğunu ispatlamaz. Prototip, harici ağ ve akış seviyesi saldırıları için CSE-CIC-IDS2018 ve araç içi CAN veri yolu saldırıları için CICIoV2024 üzerinde değerlendirilmiştir. Ana kontrollü ve dengeli iki RSU'lu tam sistem çalıştırmalarında, CSE-CIC-IDS2018 üzerinde 0.998138 doğruluk, 0.984570 F1 skoru ve 0.999052 ROC-AUC; CICIoV2024 üzerinde 0.999711 doğruluk, 0.998899 F1 skoru ve 0.999920 ROC-AUC elde edilmiştir. Güvenlik kanıtı denetimleri geçersiz katılımcı dışlama, diferansiyel gizlilik kaydı kurcalama tespiti, taahhüt yeniden hesaplama, açık girdi uyumu ve kaydedilen ispat paketlerinin zincir üzerinde kabulünü doğrulamıştır. Tamamlayıcı 10-RSU/200-araç deneyleri, kanıt, dışa aktarma ve yayınlama iş akışının yapısal olarak ölçeklenebilir olduğunu, ancak tahminsel faydanın veri kümesine bağlı olarak azaldığını göstermiştir. Genel olarak, sonuçlar hiyerarşik IoV saldırı tespitinin, güçlü pratik tespit performansını sınırlı, bağımsız olarak doğrulanabilir kanıtlarla ve minimum kamu zinciri ifşasıyla birleştirebileceğini göstermektedir.
Özet (Çeviri)
This thesis investigates trustworthy collaborative intrusion detection in the Internet of Vehicles (IoV), where data, computation, and trust are distributed across vehicles, roadside units (RSUs), and backend services across administrative domains. In this setting, predictive accuracy alone is insufficient, because practical deployment also requires raw-data locality, privacy protection, accountable participation, tamper-evident evidence, and verifiable publication of security claims. To address these requirements, the thesis designs, implements, and evaluates a hierarchical Federated Learning–Blockchain Intrusion Detection System (FL-BC-IDS). Vehicles train locally, RSUs perform deterministic admission and edge aggregation, and a global server combines accepted RSU outputs into a run-level IDS model. Raw telemetry remains local and off-chain, while the system exports canonical hashed artifacts, identity-bound signed evidence, vehicle-side differential-privacy records, SHA-256 and Poseidon Merkle commitments, scoped Groth16 proof artifacts, and Sepolia receipt-grade publication without changing the core learning workflow. The verification scope is deliberately bounded: the system checks artifact integrity, aggregation-consistency statements, public-input agreement, and receipt binding, but it does not prove honest local training, raw-data provenance, correct differential-privacy execution, or complete semantic correctness of learning. The prototype is evaluated on CSE-CIC-IDS2018 for external network and flow-level attacks and CICIoV2024 for in-vehicle CAN-bus attacks. In the main controlled balanced 2-RSU full-system runs, the privacy-aware hierarchy achieved 0.998138 accuracy, 0.984570 F1 score, and 0.999052 ROC-AUC on CSE-CIC-IDS2018, and 0.999711 accuracy, 0.998899 F1 score, and 0.999920 ROC-AUC on CICIoV2024. Security-evidence checks confirmed invalid-participant exclusion, differential-privacy record tamper detection, commitment recomputation, verifier-reconstructed public-input agreement, and on-chain acceptance of recorded proof bundles. Supplementary 10-RSU/200-vehicle experiments showed that the proof, export, and publication workflow scales structurally, although predictive utility degrades in a dataset-dependent manner. Overall, the results show that hierarchical IoV intrusion detection can combine strong practical detection performance with bounded, independently checkable evidence and minimal public-chain disclosure.
Benzer Tezler
- Distributed anomaly-based intrusion detection system for IoT environment using Blockchain technology
Dağıtılmış anomali tabanlı saldırı tespit sistemi Blockchain teknolojisi kullanılan IoT ortamı için
NOUHA HEJAZI
Yüksek Lisans
İngilizce
2022
Bilgi ve Belge Yönetimiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Genomik çalışmalarda kullanılan makine öğrenmesi modellerinin blokzincir temelli bir eko sistemde federe öğrenme yöntemiyle geliştirilmesi için kavramsal bir çalışma
A conceptual study for developing machine learning models used in genomic studies by federated learning method in a blockchain-based ecosystem
ERKAN OKTAY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medeniyet ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARAFAT SALİH AYDINER
DR. ÖĞR. ÜYESİ MUHAMMED ERKAN KARABEKMEZ
- A new framework for decentralized social networks: Harnessing blockchain, deep learning, and natural language processing
Merkezsiz sosyal ağlar için yeni bir çerçeve: Blok zinciri, derin öğrenme ve doğal dil işlemeyi kullanmak
AMIR AL KADAH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ BALTA
- Yazılım geliştirme ve yönetimi yaşam döngüsünün blokzincir ağ modeli ile oyun teorisi kullanarak izlenebilirliğin ve şeffaflığın güçlendirilmesi
Enhancing traceability and transparency in the software development and management life cycle using a blockchain network model and game theory
OĞUZHAN OKTAY BÜYÜK
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ NİZAM
- Enerji sistemlerinde yeni teknolojiler ve federated learning ile tarımda görüntü işleme uygulamaları
New technologies in energy systems and image processing applications in agriculture with federated learning
BEKİR YILDIRIM
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiFen Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNA APAK