Zararlı URL'lerin derin öğrenme ile tespiti
Detection of malicious URLs with deep learning
- Tez No: 848979
- Danışmanlar: PROF. DR. İBRAHİM YÜCEDAĞ, DR. ÖĞR. ÜYESİ ÜMİT ŞENTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Siber Güvenlik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Günümüzde internetin her geçen yıl kullanımın artmasıyla hayatımızda çok önemli bir hale gelmiş ve yeni iletişim teknolojileri, sosyal ağlar, e-ticaret, kullandığımız teknolojik ev aletlerinden, çevrimiçi bankacılık dâhil olmak üzere birçok uygulamada işlerin teşvik edilmesinde ve büyütülmesinde önemli bir etkiye sahiptir. Bu tez çalışmasının amacı, kullanılan yapay zekâ modeli ile zararlı URL adreslerini tespit edilmesi sağlanmış, bu işlemler için büyük bir veri seti ile çalışılmış ve en iyi sonucu elde etmek hedeflenmiştir. Bu tezde literatürde yapılan çalışmalar incelenmiştir, veri setlerinin büyüklüğü ile doğruluk başarı oranına katkısı görülmüştür. Yapılan çalışmada, veri setindeki URL sayısının fazla olması ve RNN model mimarisinin kullanılması performans değerlerini 2 puan oranında arttırmıştır. Çalışmada oluşturulan, 7 katmanlı RNN modeli kullanılmış, modelde çalıştırmak üzere ulusal ve uluslararası birbirine benzer iki adet veri seti birleştirilmiş, 579.112 adet URL adresinden oluşan devasa bir yeni veri seti oluşturulmuştur. Daha sonra bu yeni veri seti eğitim ve test setlerine ayrılmıştır. İlk olarak veri setimiz modelde eğitilmiş ve ardından ikinci veri seti test edilmiştir. Bu veri seti modelimizde işlendiğinde %91 doğruluk oranı elde edilmiştir. Bu çalışmamızla, zararlı URL adreslerinin tespiti için daha etkin yöntemlerin geliştirilmesine önemli katkı sağlamak hedeflenmektedir.
Özet (Çeviri)
In recent years, with the increasing use of the internet, it has become a crucial aspect of our lives. New communication technologies, social networks, e-commerce, and various applications, including online banking and the use of technological home appliances, play a significant role in promoting and expanding business. The purpose of this thesis is to detect malicious URL addresses using the artificial intelligence model employed, working with a large dataset to achieve the best results. Existing studies in the literature were reviewed in this thesis, emphasizing the contribution of dataset size to accuracy success rates. In the study, the high number of URLs in the data set and the use of RNN model architecture increased the performance values by 2 points. A 7-layered RNN model was created in this work, combining two similar national and international datasets to form a massive new dataset comprising 579,112 URL addresses. This new dataset was then divided into training and test sets. Initially, the model was trained on the dataset and subsequently tested on the second dataset. When this dataset was processed through our model, 91% was achieved, indicating results in detecting malicious URL addresses. This study aims to make a significant contribution to the development of more effective methods for detecting malicious URL addresses.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Derin öğrenme tabanlı oltalama saldırıları tespit sistemi
Deep learning based development of pishing attack detection
FERDİ GÜL
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DOÇ. DR. ÖNDER DEMİR
- Machine learning algorthims for URLs classification
Başlık çevirisi yok
NAGHAM AMJED ABDULZAHRA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- A novel two phased approach combining deep learning and machinelearning classifiers for effective detection of turkish phishing web sites
Türkçe kimlik avı web sitelerinin etkin tespiti için derin öğrenme ve makine öğrenmesi sınıflandırıcılarını birleştiren yeni, iki aşamalı bir yaklaşım
İHSAN DENİZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞATAY NEFTALİ TÜLÜ
- Oto boya atölyelerinde temizlik ve inceltme solventlerinin kronik maruziyet ile sağlık risklerinin hesaplanması ve bu solventlerin ikame edilmesi
Calculation of chronic exposure and health risks of cleaning and thinning solvents in oto paint autobody shops and substitution of these solvents
SİBEL KIZILGÜL
Yüksek Lisans
Türkçe
2019
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL TORÖZ