Nesnelerin interneti temelli akıllı şebekelerde güvenlik zafiyetlerinin tespiti ve çözümüne yönelik yeni yaklaşımların geliştirilmesi
Developing new approaches for detecting and solving security vulnerabilities in internet of things based smart grids
- Tez No: 859512
- Danışmanlar: PROF. DR. RESUL DAŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Nesnelerin interneti uygulamaları sayesinde geleneksel elektrik şebekelerinin daha etkin kullanımı için akıllı şebeke sistemleri geliştirilmiştir. Birçok avantajına rağmen akıllı şebeke uygulamaları, iletişim altyapılarının doğasından kaynaklı zafiyetlerden dolayı siber saldırılara maruz kalabilmektedir. Bu siber saldırılar hem şahısları hem de toplumları olumsuz yönde etkileyebilmektedir. Dolayısıyla bu siber saldırıların yapısını anlamak ve bunların çözümüne yönelik yapay zeka temelli yöntemler geliştirmek son derece önemlidir. Düşük faturalandırma için enerji hırsızlığını amaçlayan siber atakların tespit edilmesi, akıllı şebeke uygulamalarının yaygınlaşmasında enerji sağlayıcılar için çözülmesi gereken önemli bir problemdir. Veri odaklı çalışan makine öğrenmesi yöntemlerinin hibrit kullanımı, problemin çözümüne yönelik tatmin edici sonuçlar sağlamaktadır. Bu tez çalışmasında, nesnelerin interneti temelli akıllı şebekelere yapılan siber saldırı türleri ağ katmanlarına göre detaylıca incelenmiş, olası tehditler ve potansiyel çözüm önerileri ortaya konulmuştur. Daha sonra akıllı şebekelerde güvenlik zafiyetlerinin tespiti ve çözümüne yönelik yapay zeka temelli iki yaklaşım önerilmiştir. İlk olarak akıllı şebekelerde kullanıcı tüketim kalıpları üzerinden enerji hırsızlığı tespiti için dengeli ve dengesiz verisetleri kullanılarak derin öğrenme tabanlı bir yaklaşım geliştirilmiştir. Derin Sinir Ağı (Deep Neural Network - DNN) tabanlı olan bu yaklaşımda iki farklı saldırı vektörünün birisinin tespitinde %97.46'lık bir başarım elde edilmiştir. İkinci olarak, akıllı şebekelerde dengeli verisetlerinden enerji hırsızlığının tespiti için Evrişimsel Sinir Ağı (Convolutional Neural Network - CNN) tabanlı hibrit yöntemler geliştirilmiş, başarım oranı %95.34 olan CNN+LR yaklaşımı önerilmiştir. Önerilen bu yaklaşım ile akıllı sayaçlar tarafından üretilen tüketim verilerini siber ataklar ile gerçeğinden daha düşük göstermek isteyen kötü niyetli kullanıcıların tespiti başarıyla sağlanmıştır. Bu çalışmada, dürüst kullanıcı verilerine altı farklı saldırı vektörü uygulanmış ve böylece tahrif edilmiş tüketim verileri sentetik olarak oluşturulmuştur. Her bir saldırı vektörünün tespiti için beş farklı derin öğrenme tabanlı hibrit model uygulanmıştır. Veri dengesizliği sorununu çözmek için bu alanda neredeyse hiç kullanılmamış olan Çekişmeli Üretken Ağ (Generative Adversarial Network - GAN) yöntemi kullanılmıştır.
Özet (Çeviri)
Thanks to the Internet of Things applications, smart grid systems have been developed for more efficient use of traditional electricity grids. Despite its many advantages, smart grid applications can be exposed to cyber-attacks due to the inherent vulnerabilities of communication infrastructures. These cyber-attacks can negatively affect both individuals and societies. Therefore, it is crucial to understand the nature of these cyber-attacks and develop artificial intelligence-based methods to solve them. Detecting cyber-attacks that aim to steal energy for low billing is an important problem to be solved for energy providers in the deployment of smart grid applications. The hybrid usage of data-driven machine learning methods provides satisfactory results for solving the problem. In this thesis, the types of cyber-attacks on the Internet of Things based smart grids are analyzed in detail according to network layers, possible threats and potential solutions are presented. Furthermore, two artificial intelligence-based approaches are proposed for the detection and solution of security vulnerabilities in smart grids. Firstly, a deep learning-based approach has been developed for energy theft detection using balanced and imbalanced datasets derived from user consumption patterns in smart grids. The proposed Deep Neural Network (DNN)-based approach achieves a success rate of 97.46% in detecting one of the two different attack vectors. Secondly, Convolutional Neural Network (CNN) based hybrid methods were developed for the detection of energy theft from balanced datasets in smart grids, and a CNN+LR approach with a success rate of 95.34% was proposed. With this proposed approach, malicious users who want to underestimate the consumption data generated by smart meters through cyber-attacks are successfully detected. In this study, six different attack vectors are applied to the honest user data to synthetically generate falsified consumption data. Five different deep learning based hybrid models are applied for the detection of each attack vector. In order to solve the data imbalance problem, the Generative Adversarial Network (GAN) method, which has almost never been used in this field, is used.
Benzer Tezler
- Yazılım tanımlı ağlar ve nesnelerin interneti temelli akıllı şebekelerde anomali tespiti
Anomaly detection in smart grids based on software-defined networks and the internet of things
HİLAL YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA BALTA
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Endüstri 4.0 kavramının etkileşimli mekan tasarımı sürecinde mekan morfolojisi üzerindeki etkileri
Effects of the industry 4.0 concept on spatial morphology in interactive interior space design process
SENCER ÖZDEMİR
Doktora
Türkçe
2023
MimarlıkMimar Sinan Güzel Sanatlar Üniversitesiİç Mimarlık Ana Bilim Dalı
PROF. DR. BURÇİN CEM ARABACIOĞLU
- Nesnelerin interneti uygulamalarının cupcarbon ile benzetimi: Akıllı şehir örnekleri
Simulation of internet of things applications with cupcarbon: Smart city examples
MEHMET AKKURT
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEREM KÜÇÜK
- Resource allocation mechanisms for end-to-end delay optimization of 5G URLLC services
5G URLLC hizmetlerinin uçtan uca gecikme optimizasyonu için kaynak aktarım mekanizmaları
HASAN ANIL AKYILDIZ
Doktora
İngilizce
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
DR. İBRAHİM HÖKELEK