IoT için makine öğrenmesi tabanlı saldırı tespiti
Machine learning based intrusion detection for IoT
- Tez No: 750985
- Danışmanlar: DR. ÖĞR. ÜYESİ ESRA NERGİS YOLAÇAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Robotik Bilim Dalı
- Sayfa Sayısı: 113
Özet
İnternet ve iletişim teknolojilerinin gelişimi ile internete bağlanabilen akıllı cihazların sayısı gün geçtikçe artmaktadır. Bu cihazlar, bilgisayar ve sunucularda olduğu gibi savunma mekanizmalarına sahip değildir. IoT ağları, günümüzde farklı nitelikteki kritik ortamları izlemek için giderek daha popüler hale gelmektedir. IoT cihazlarının çok sayıda bulunması nedeniyle, bu ağların ve cihazların güvenliği kritik bir konudur. IoT için en çok kullanılan mesajlaşma protokollerinden olan MQTT protokolü, asenkron iletişim gerektiren yazılım uygulamalarında kullanılmaktadır. IoT cihazların ve ağların güvenliğini sağlamak için başvurulan yaklaşımlardan biri de ağa yapılan saldırıların tespit edilmesidir. MQTT protokolüne yapılan saldırıların tespit edilmesi için hem ağ katmanında hem de uygulama katmanında gerçekleşen verilerin önemi vardır. Toplanan verilerin çeşitli yöntemlerle değerlendirilecek bir saldırı olup olmadığı noktasında sonuca ulaştırılması gerekmektedir. Günümüzde bu amaçla makine öğrenimi gibi yenilikçi algoritmalara dayalı olarak siber saldırıların tespiti yapılmaktadır. Bu çalışmada IoT cihazlarından gelen veriler makine öğrenmesi ve derin öğrenme ile sınıflandırılarak bir saldırı tespiti gerçekleştirilmiştir. Geliştirilen çoklu sınıflandırma sayesinde, sistemde meydana gelen davranışlar saldırı ise ne tür bir saldırı olduğunu da tespit edilebilmiştir. Çalışmada, bir MQTT broker'ında konulara abone olan IoT cihazlarını kullanarak sistemin bir prototipi oluşturulmuştur. Saldırı tespitini uygulamak ve makine öğrenimi modellerini eğitmek için MQTTset veri kümesinin nasıl kullanılabileceği bu çalışmada açıklanmıştır. MQTTset veri kümesine, bu çalışmada oluşturulan IoT ev ağından elde edilen verilerin eklenmesi ile veri kümesi genişletilmiştir, bu sayede dengeli bir veri kümesi elde edilmiştir. Mevcut saldırı tiplerine yeni saldırı çeşidi de eklenerek veri kümesinin zenginleştirilmesi hedeflenmiştir. Genişletilen veri kümesinin analizlerinde çeşitli makine öğrenmesi algoritmaları ve derin öğrenme algoritmalarına yer verilmiştir. Sistemin MQTT protokolüne gerçekleştirilen saldırılar kapsamında deneysel değerlendirmesi ve karşılaştırmalar bu çalışma kapsamında sağlanmıştır.
Özet (Çeviri)
With the development of the Internet and communication technologies, the number of smart devices that can connect to the Internet is increasing day by day. These devices don't have defense mechanisms like computers and servers. Novadays, IoT networks are becoming more and more popular for monitoring different types of critical devices. Due to the large number of IoT devices, the security of these networks and devices is a critical issue. MQTT protocol, one of the most used messaging protocols for IoT, is used in software applications which require asynchronous communication. One of the approaches used to ensure the security of IoT devices and networks is to detection of attacks on the network. The data that occurs at both the network layer and the application layer is important for detecting attacks on the MQTT protocol. The collected data should be evaluated by various methods and the conclusion should be reached at the point of whether there is an attack or not. For this purpose, cyber attacks are detected based on innovative algorithms such as machine learning. In this study, attack detection was performed by classifying the data from IoT devices with machine learning and deep learning. Thanks to the developed multi-classification system, the changes in the system and the type of attack could be detected. In this Thesis, a prototype of the system is created by using IoT devices subscribed to topics in MQTT broker. This thesis explains how the MQTTset dataset can be used to implement intrusion detection and training of machine learning models. The dataset has been expanded by adding the data obtained from the IoT home network to the MQTTset dataset, thus a more balanced dataset has been obtained. It is aimed to enrich the dataset by adding a new attack type to the existing attack types. Machine learning algorithms and deep learning algorithms are included in the analysis of the expanded dataset. Experimental evaluation of the system's attacks on the MQTT protocol and their comparisons are provided in this thesis.
Benzer Tezler
- Development of a new machine learning-based method to detect threats and prevent attacks on the internet of things and simulation with Cooja
Nesnelerin internetinde tehditleri algılamak ve saldırıları önlemek için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi ve Cooja ile benzetimi
ALI HAMID AHMED SALEH FAREA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM KÜÇÜK
- An online network intrusion detection system for DDoS attacks with IoT botnet
IoT botnetleri ile yapılan dağıtık servis dışı bırakma saldırıları için çevrimiçi bir ağ saldırı tespit sistemi
ERİM AYDIN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞERİF BAHTİYAR
- Machine learning based anomaly detection technique for in-vehicle networks
Araç içi ağlar için makine öğrenmesi tabanlı anomali tespit tekniği
ARİF AKAR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. KLAUS WERNER SCHMIDT
- SCADA sistemleri için makine öğrenimi tabanlı hata tespiti
Machine learning based diagnostic for SCADA systems
TOLGAHAN ÖZTÜRK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMAL KÖSE
- Machine learning approaches for internet of things based vehicle type classification and network anomaly detection
Nesnelerin interneti tabanlı araç tipi sınıflandırma ve ağ anomalisi tespiti için makine öğrenmesi yaklaşımları
BURAK KOLUKISA
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. VEHBİ ÇAĞRI GÜNGÖR