Makine ve derin öğrenme tekniklerine dayalı olarak güvenlik duvarı verilerinin analizi
Analysis of firewall data based on machine and deep learning techniques
- Tez No: 802379
- Danışmanlar: PROF. DR. ZAFER ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, Makine Öğrenmesi, Siber Güvenlik, Firewall, İnternet, Deep Learning, Machine Learning, Cyber Security, Firewall, Internet
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknoloji geliştiği sürece bununla birlikte siber saldırılar ve kullanılan yazılımlar da gelişmektedir. Teknoloji firmaları ne kadar kendilerini geliştirse de bununla birlikte kötü niyetli kişiler de geliştirilen her sistemde kendi saldırı yöntemlerini geliştirmekte, günlük hayatta kullandığımız teknolojik cihazlardan gerekli/istedikleri bilgilere ulaşmak için çalışmalar yapmaktadır. Bu sebeple koruma düzeyi doğru şekilde ve iyi olmayan tüm cihazlar hem donanımsal hem de yazılımsal olarak saldırılara açık ortam yaratmaktadırlar. Günümüzde hayatımıza kolaylık sağlayan teknolojik uygulamaları, internet bağlantısı olmadan kullanabilmek ise neredeyse imkansız hale gelmiştir. Kullanmış olduğumuz bu uygulamalar veya kullanmak zorunda olduğumuz web sitelerinin bazıları, içlerinde kötü amaçlı yazılım (bilgi çalma, şifre öğrenme vb.) barındırabilmektedir. Bunun önüne geçebilmek için ise cihazlarımızda kullanmış olduğumuz antivirüs programları veya Firewall (Güvenlik Duvarı) yazılım/sistemleri, güvenlik için çok yüksek derecede önem arz etmektedir. Bu çalışmada İstanbul'da Uluslararası öğrencilerin de eğitim aldığı bir vakıf üniversitesinin Firewall cihazının log dosyasından elde edilen 1000000 satır verinin bulunduğu veri setinden makine ve derin öğrenme algoritmaları (Desicion Tree, KNN, SVM, NN ve RNN) kullanılarak sınıflandırma çalışmaları yapılmıştır. Kullanılan veri seti içerisindeki tüm kişisel ve önem arz edecek bilgiler kaldırılmıştır. Geriye kalan veriler ise hedef port, NAT Port, işlem, gönderilen ve alınan byte bilgileri, paketleme için harcanan süre ve PKTS bilgilerini içermektedir. Çalışmanın sonuçlarında tüm algoritmalar arasında en başarılı sonuç Desicion Tree %99.95 ve K-Nearest Neighbors %99.41 olarak saptanmıştır. Tüm algoritmaların sonuçları ve öğrenme oranları, tablolar halinde ve grafiksel olarak gösterilmiştir.
Özet (Çeviri)
As technology advances, so do cyber attacks and the software used for them. While technology companies continue to develop themselves, malicious individuals also develop their own attack methods on every system developed, working to access the necessary/required information from the technological devices we use in our daily lives. Therefore, devices with poor protection create an open environment for hardware and software attacks, regardless of how well technology firms improve themselves. Nowadays, using technological applications that provide convenience in our lives without internet connection has become almost impossible. Some of the applications we use or the websites we are forced to use may contain malicious software (such as stealing information, learning passwords, etc.). To prevent this, antivirus programs or firewall systems/software used on our devices are extremely important for security. In this study, classification studies were conducted using machine and deep learning algorithms (Decision Tree, KNN, SVM, NN, and RNN) on a dataset containing 1000000 lines of data obtained from the log file of a firewall device in a foundation university in Istanbul, where international students also receive education. All personal and important information in the dataset used has been removed. The remaining data includes target port, NAT port, process, sent and received byte information, time spent on packaging, and PKTS information. In the results of the study, the most successful algorithms were found to be Decision Tree at 99.95% and K-Nearest Neighbors at 99.41%. The results of all algorithms are presented in tables and graphically displayed according to their learning rates.
Benzer Tezler
- Güvenlik duvarı loglarının makine ve derin öğrenme ile sınıflandırılması ve açıklanabilir yapay zeka ile yorumlanması
Classification of firewall logs using machine and deep learning and interpretation with explainable artificial intellgence
FATMİR GARRİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEM ÖZKURT
- Derin öğrenmeye dayalı güçlü yüz tanıma sistemi için gan ile veri çoğaltma
Data augmentation with gan for robust face recognition system based on deep learning
ERDAL ALIMOVSKI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. YAHYA ŞİRİN
- A situational awareness framework for connected autonomous vehicles
Bağlantılı otonom araçlar için durum farkındalık sistemi
DERYANUR TEZCAN
Yüksek Lisans
İngilizce
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ÖKE GÜNEL
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
- Artificial intelligence based smart home automation system with adaptive user behavior recognition
Uyarlanabilir kullanıcı davranışı tanıma özelliğine sahip yapay zeka tabanlı akıllı ev otomasyon sistemi
ALİ KAYIN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN AKSOY