Geri Dön

Makine öğrenmesi algoritmaları kullanarak web günlük kayıtlarından zararlı isteklerin tespiti ve bulut tabanlı bir sistem gerçeklenmesi

Detection of malicious requests from web log records using machine learning algorithms and implementation of a cloud-based system

  1. Tez No: 783380
  2. Yazar: SALİH ŞAHİN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 85

Özet

Günümüzde insanlar zamanlarının önemli bir kısmını İnternet'e bağlı olarak geçirmekte ve birçok işlemi internete bağlı cihazlar ile yapmaktadır. İçinde bulunduğumuz yüzyılda en değerli varlıklardan biri de kişisel bilgilerdir. Kişisel bilgilerin elde edilmesi sonucunda insanlar maddi ve manevi zararlar görebilmektedir. Özellikle geçtiğimiz yıllarda ortaya çıkan Covid-19 pandemisi sürecinde öncesine göre çok daha fazla sayıda işlem İnternet aracığıyla gerçekleştirilmiştir. İnternet ortamında yapılan işlemlerin hacminin çok fazla büyümesiyle ortaya çıkan ve işlenen verinin miktarı da“büyük veri”olarak adlandırılan seviyeye gelmiştir. Tüm bu sebeplerden dolayı bilgisayar sistemleri saldırganların daha fazla ve daha popüler hedefi haline gelmiştir ve siber saldırıların sayıları da buna bağlı olarak artmıştır. Sayıları oldukça artan bu siber saldırıların tespit edilmesi önem arz etmektedir. Özellikle olası bir siber saldırıda hem maddi kayıp hem de itibar kaybı yaşayacak olan firmalar için bu durum elzemdir. Ayrıca büyük verinin oluştuğu alanlarda klasik yöntemlerle sağlıklı veri analizi yapmak mümkün olmamaktadır. Bu tez çalışmasında, büyük veri üzerinden analiz yapma amacıyla kullanılan derin öğrenme yöntemlerinden biri olan kapsül ağlar tabanlı bir model geliştirilmiştir. Geliştirilen model, CSIC 2010 HTTP veri seti ile eğitilmiş ve test işlemi gerçekleştirilmiştir. Geliştirilen model kullanılarak web günlüklerinin analizi yapılmıştır. Analiz sonucunda isteğin zararlı olup olmadığının tespiti yapılmıştır. Geliştirilen model %97,43 oranında başarı elde etmiştir. Daha sonra çalışan bir sisteme dahil edilmiş ve tespit işlemlerini bu sistem üzerinde gerçekleştirmiştir.

Özet (Çeviri)

Today, people spend a significant part of their time connected to the Internet and do many transactions with devices connected to the Internet. One of the most valuable assets in our century is personal information. As a result of obtaining personal information, people may suffer material and moral damages. Especially during the Covid-19 pandemic that emerged in recent years, much more transactions were carried out via the Internet than before. The amount of data that has emerged and been processed with the huge growth of the volume of transactions made on the Internet has reached the“big data”level. For all these reasons, computer systems have become more and more popular targets of attackers, and the number of cyber attacks has increased accordingly. It is essential to detect these cyber attacks, the number of which is increasing considerably. This is essential for companies that will experience both financial and reputational loss in a possible cyber attack. In addition, it is impossible to carry out healthy data analysis with classical methods in areas where big data is formed. In this thesis, a capsule network-based model, one of the deep learning methods used for analyzing big data, has been developed. The developed model has been trained and tested with the CSIC 2010 HTTP dataset. The web logs were analyzed using the developed model. As a result of the analysis, it has been determined whether the request is harmful or not. The developed model achieved a success rate of 97.43%. Later, it was included in a working system and the detection operations were carried out on this system.

Benzer Tezler

  1. Network anomaly detection using optimized machine learning algorithm

    Optimize edilmiş makine öğrenmesi algoritmaları kullanarak ağ anomali tespiti

    TAHIRA KHORRAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURDAN BAYKAN

  2. Kayıp satış miktarlarının makine öğrenmesi ve zaman serisi ile analizi

    Analysis of lost sales quantities with machine learning and time series

    RIDVAN EYYÜPKOCA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA ZAHİD GÜRBÜZ

  3. Sensor-based activity recognition and authentication using deep learning

    Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma

    NİLAY TÜFEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  4. Sınıflandırmaya dayalı makine öğrenmesi teknikleri ve kardiyolojik risk değerlendirmesine ilişkin bir uygulama

    Machine learning techniques based on classification and a study on cardiac risk assessment

    ELİF KARTAL

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    PROF. DR. MEHMET ERDAL BALABAN

  5. Mikroservis tabanlı ağ uygulamalarında zararlı davranışların saptanması

    Detecting malicious behavior in microservices-based web applications

    MUSTAFA ÖZBEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA