Geri Dön

Detection of SQL injection attacks

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 826450
  2. Yazar: RANA B HADI ALRUBAE
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

SQL veri kümelerini kullanan web uygulamaları, SQL enjeksiyon saldırılarına karşı ciddi risk altındadır. İki ayrı veri seti kullanan bu çalışma, SQL enjeksiyon tehditlerini belirlemek için makine öğrenimi sınıflandırma yaklaşımlarının faydasını inceledi. Biri gerçek dünyadan alınan ve diğeri yapay olarak oluşturulan iki veri kümesinde rastgele orman (RF), descion tree (DT), k-en yakın komşular (KNN), gradyan artırma (GB), xgb sınıflandırıcı, doğrusal SVM (Destek Vektörü) Makineler) ve RBF (Radial Basis Function) SVM eğitildi. Sonuçlar, her iki algoritmanın da SQL enjeksiyon saldırılarını kesin ve kesin bir şekilde tespit edebildiğini gösterdi. Sentetik veri seti kullanılarak eğitilen model, gerçek dünya veri seti kullanılarak eğitilen modelden daha iyi performans gösterdi. Bu bulgular, ML sınıflandırmasının SQL enjeksiyon saldırılarını belirleme potansiyelinin yanı sıra model doğruluğunu (ACC) artırmak için çeşitli veri kümeleri kullanmanın değerini vurgulamaktadır.

Özet (Çeviri)

Web applications that employ SQL datasets are at serious risk from SQL injection attacks. Using two separate datasets, this study examined the utility of ML classification approaches for identifying SQL injection threats. On two datasets—one taken from the actual world and the other created artificially—random forest (RF), descion tree (DT), k-nearest neighbours (KNN), gradient boost (GB), xgb classifier, linear SVM (Support Vector Machines), and RBF (Radial Basis Function) SVM were trained. The outcomes demonstrated that both algorithms could precisely and precisely detect SQL injection attacks. The model that was trained using the synthetic dataset outperformed the model that was trained using the real-world dataset. These findings highlight the potential of ML classification for identifying SQL injection attacks as well as the value of employing a variety of datasets to increase model accuracy (ACC).

Benzer Tezler

  1. Tez No

    836988

    SQL enjeksiyonu saldırılarının makine öğrenmesi ile tespiti ve korunma yöntemleri

    Detection of SQL injection attacks with machine learningand prevention methods

    EMRE POLAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİL İBRAHİM BÜLBÜL

  2. Tez No

    991509

    Detecting and preventing SQL injection attacks using large language models

    Büyük dil modelleri kullanarak SQL enjeksiyon saldırılarının tespiti ve önlenmesi

    BORHANULLAH HAIRAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET AKİF ŞAHMAN

  3. Tez No

    865172

    Detection of malicious SQL injections using svm and KNN algorithms

    Başlık çevirisi yok

    SAMEER ABDULJABBAR KADHIM HACHAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Prof. OSMAN NURİ UÇAN

  4. Tez No

    1002177

    Makine öğrenmesi ile eşzamanlı ağ saldırılarının tespitive sınıflandırılması

    Detection and classification of concurrent network attacks with machine learning

    İDRİS DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    DR. RÜŞTÜ MURAT DEMİRER

  5. Tez No

    949072

    Web uygulamalarına yönelik saldırıların tespiti için yapay zeka tabanlı hibrit bir sistem geliştirilmesi

    Developing an artificial intelligence-based hybrid system for the detection of attacks against web applications

    AMİNE NUR YEŞİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Savunma ve Savunma TeknolojileriSivas Bilim ve Teknoloji Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HALİT BAKIR

Geri Dön