Zeki web uygulama saldırı tespit sistemi
Intelligent web application attack detection system
- Tez No: 853654
- Danışmanlar: DR. ÖĞR. ÜYESİ ESRA NERGİS YOLAÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgi Güvenliği Bilim Dalı
- Sayfa Sayısı: 93
Özet
Günümüzde hayatın her alanında, alt yapıda veya doğrudan, kullandığımız web uygulamalarının güvenliğini sağlamak giderek daha da zorlaşmaktadır. İnternet ve ağ aracılığıyla daha çok kıymetli veri insanların hizmetine açıldıkça orantılı olarak saldırılar da gelişmekte, çeşitlenmekte ve dolayısıyla baş edilmesi daha da zor hale gelmektedir. İmza tabanlı saldırı tespit sistemleri, bilinen saldırıları ve yakın türevlerini önlemede oldukça başarılı iken, yeni keşfedilen ve bu yüzden sıfırıncı gün saldırısı adını alan girişimleri önlemede yetersiz kalmakta, korumakta oldukları sistemlerden sürekli veriler sızmakta veya korumaları gereken sistemler hizmet veremez hale gelmektedir. Web saldırılarını daha yüksek doğrulukta tespit etmek maksadıyla yapay zeka çalışmaları da son yıllarda hız kazanmıştır. Yapay zeka çalışmalarının en büyük eksikliği dikkatli bir şekilde oluşturulmuş, sayıca zengin veya yeterli, çok etiketli sınıflandırma için her sınıfın yeterli veriyle temsil edildiği dengeli bir verisetinin bulunmayışıdır. Bu çalışmada web saldırılarını tespit amacıyla öncelikle çok etiketli sınıflandırma yapabilmek için dengeli, birden çok saldırı veri tipini içeren, içerdiği veri adedi bakımından diğer verisetlerine göre zengin bir veriseti oluşturulmuştur. Yeni geliştirilen ön işlem fazı veriseti üzerinde birkaç kez çalıştırılarak verisetinin kalitesi yükseltilmiş, aynı ön işlem fazı sınıflandırma kapasitesini yükseltmek için kullanılmıştır. Çok etiketli sınıflandırma yapmanın amacı ise siber güvenlik araştırmacılarının saldırı tiplerini henüz gerçekleşmeden görmelerine ve önleyici çalışmaları zarar görmeden gerçekleştirebilmelerine ortam sağlamaktır. Geliştirilen veriseti ve ön işlem tekniği bu çalışmanın literatüre doğrudan katkısıdır. Oluşturulan veriseti 274.242 satır saldırı verisi, 24.962 satır normal web isteği ve toplamda 299.205 satır veri içermektedir. İkili sınıflandırma için verisetindeki normal web isteği girdileri 170.547 satıra çıkartılmıştır. Hiper parametre optimizasyonu çalışmaları yapılmış üç derin öğrenme ve 14 makine öğrenmesi sınıflandırıcısından ikili sınıflandırmada %99,872, çoklu sınıflandırmada %94,801 en yüksek isabet sonuçları elde edilmiştir.
Özet (Çeviri)
Nowadays, it is becoming increasingly difficult to ensure the security of the web applications we use in every aspect of life, whether in the infrastructure or directly. As more valuable data becomes available to people through the Internet and the network, attacks are advancing and diversifies comparatively, and therefore they become more difficult to deal with. While signature-based intrusion detection systems are quite successful in preventing known attacks and their close derivatives, they are incapable of preventing zero-day attacks that are discovered for the first time, and periodically data leaks from the systems or they become unserviceable. Artificial intelligence studies have also accelerated in recent years in order to detect web attacks with higher accuracy. The biggest shortcoming of artificial intelligence studies is the lack of a carefully created, numerically rich or balanced dataset where each class is represented with sufficient data for multi-label classification. In this study, fort the purpose of detect web attacks, a balanced dataset containing multiple attack data types, which is larger in number than other datasets, was created in order to perform multi-label classification. The quality of the dataset was increased by running the newly developed pre-processing phase on the dataset several times, and the same pre-processing phase was used to increase the classification capacity. The purpose of multi-label classification is to provide an environment for cyber security researchers to see attack types before they happen and to carry out preventive work without being damaged. The developed dataset and pre-processing technique are the direct contribution of this study to the literature. The created dataset contains 274,242 lines of attack data, 24,962 lines of normal web requests and a total of 299,205 lines of data. For binary classification, normal web request entries in the dataset were increased to 170,547 lines. The highest hit results of 99.872% in binary classification and 94.801% in multiple classification were obtained from three deep learning and 14 machine learning classifiers for which hyperparameter optimizations were also performed.
Benzer Tezler
- Web kütük dosyaları kullanılarak makina öğrenmesi tabanlı saldırı tespit sistemi geliştirilmesi
Development of machine learning based attack detection system using web logs
CEMİLE İNCE
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMunzur ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEKİ OMAÇ
- Data mining for web application attacks analysis
Web uygulama saldırıları analizi için veri madenciliği
MOHAMMED BABIKER
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR HOŞCAN
YRD. DOÇ. DR. ENİS KARAARSLAN
- Öğrenme-öğretme sürecinde yapay zeka ve web tabanlı zeki öğretim sistemi tasarımı ve matematik öğretiminde bir uygulama
Artificial intelligence and web based intelligent tutoring system design in learning-teaching process and an application in mathematics teaching
AYTÜRK KELEŞ
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiOrtaöğretim Fen ve Matematik Alanları Eğitimi Ana Bilim Dalı
PROF.DR. RAHİM OCAK
- Zeki karar destek sistemi kullanılarak Muğla Sıtkı Koçman Üniversitesi uzaktan eğitim öğrencilerinin ders performanslarının değerlendirilmesi
The evaluation of class performances of Mugla Sitki Kocman University's distance learning students by using an intelligent decision support system
ERCÜMENT GÜVENÇ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜRCAN ÇETİN
- Periferik yayma sonuçlarının otomatik analizi için zeki denetimli sistem tasarımı
Intelligent controlled system design for automatic analysis of peripheral blood smears
ABDULLAH ELEN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KAMİL TURAN