Geri Dön

Otonom araçlara yönelik siber saldırıların tespiti için yapay zeka destekli saldırı tespit sisteminin geliştirilmesi

Development of an artificial intelligence supported intrusion detection system for detecting cyber attacks on autonomous vehicles

  1. Tez No: 884885
  2. Yazar: BATUHAN GÜL
  3. Danışmanlar: DOÇ. DR. FATİH ERTAM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Adli Bilişim Bilim Dalı
  13. Sayfa Sayısı: 59

Özet

Teknolojinin gelişmesi, hayatın her alanında toplumların konfor ve refah seviyesini artırmaktadır. Bu gelişim, başta ulaşım olmak üzere çeşitli alanlarda karşımıza çıkmaktadır. Bu doğrultuda akıllı sistemlerin otomobillere entegrasyonuyla beraber otonom araçların yaygınlaşması sağlanmıştır. Otonom araçların kendi sistem ve ağlarına sahip olması, otonom araçlara yönelik yapılabilecek siber saldırıların da önünü açmıştır. Bu tür saldırıların genellikle üç amacı bulunmaktadır. Bunlar, sisteme sızarak sistem bileşenlerinin kontrolünü ele geçirmek, sistem ağına yük bindirerek sistemin yavaş çalışmasına sebebiyet vermek ve sistemin çökmesini sağlamaktır. Otonom araçlara yönelik siber saldırıların bu tür ciddi sonuçlarının olması, otonom araçların siber saldırılara karşı korunmasını sağlayacak güvenlik tedbirlerinin alınmasını zorunlu kılmıştır. Bu tez çalışmasında, akıllı araçların araç içi ağlarına yönelik gerçekleştirilen siber saldırıların makine öğrenmesi modelleri kullanılarak tespiti gerçekleştirilmiştir. Simülasyon ortamı oluşturularak siber saldırılar gerçekleştirilmiş ve veri seti oluşturulmuştur. Ardından veri seti, XGBoost, LightGBM, Rastgele Orman ve Karar ağaçları algoritmaları ile sınıflandırılarak performans karşılaştırmaları yapılmıştır. Yapılan deneyler sonucunda en iyi doğruluk oranını %86.22 ile XGBoost verirken, en düşük doğruluk oranını ise %80.7 ile Karar Ağaçları algoritması vermiştir. Yapılan tez çalışmasının, akıllı araç güvenlik uzmanlarının siber tehditleri engelleme çalışmalarına katkıda bulunacağı ve akıllı araç siber güvenliği hakkındaki farkındalığı artıracağı düşünülmektedir.

Özet (Çeviri)

The development of technology increases the comfort and welfare of societies in every area of life. This development is encountered in various areas, especially transportation. In this direction, the widespread use of autonomous vehicles has accelerated with the integration of smart systems into automobiles. The fact that autonomous vehicles have their own systems and networks has also paved the way for cyber attacks that can be carried out against autonomous vehicles. Such attacks generally have three purposes. These are to infiltrate the system and take control of system components, to cause the system to work slowly by putting a load on the system network and to cause the system to crash. The serious consequences of cyber attacks against autonomous vehicles have necessitated the adoption of security measures that will protect autonomous vehicles against cyber attacks. In this thesis, the detection of cyber attacks on the in-vehicle networks of smart vehicles was carried out using machine learning models. Cyber attacks were carried out by creating a simulation environment and a data set was created. Then, the data set was classified with XGBoost, LightGBM, Random Forest and Decision Tree algorithms and performance comparisons were made. As a result of the experiments, XGBoost gave the best accuracy rate with %86.22, while the Decision Trees algorithm gave the lowest accuracy rate with %80.7. It is thought that the thesis study will contribute to the efforts of smart vehicle security experts to prevent cyber threats and increase awareness about smart vehicle cyber security.

Benzer Tezler

  1. Robotik sistemlerin güvenliğinin doğrulanması ve onaylanması

    Verification and validation of robotic systems's security

    YUNUS SABRİ KIRCA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET YAZICI

  2. A situational awareness framework for connected autonomous vehicles

    Bağlantılı otonom araçlar için durum farkındalık sistemi

    DERYANUR TEZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLAY ÖKE GÜNEL

  3. Iot and physical cyber security intrusion detection based on supervised machine learning

    Denetimli makine öğrenimine dayalı ıot ve fiziksel siber güvenlik saldırı tespiti

    ABDALLAH SUHAİB SULTAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. PINAR SARISARAY BÖLÜK

  4. Design and implementation of a novel physically unclonable function with a new cellular automata model

    Yeni bir hücesel otomat modeli kullanarak özgün bir fiziksel klonlanamayan fonksiyonun tasarımı ve gerçeklemesi

    EMRE GÖNCÜ

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜŞTAK ERHAN YALÇIN

  5. Investigating risk assessment and role of safety concerns in autonomous vehicle

    Otonom araçlarda risk değerlendirmesi ve güvenlik kaygılarının modellenmesi

    GÖZDE BAKİOĞLU DOĞANYILMAZ

    Doktora

    İngilizce

    İngilizce

    2022

    Ulaşımİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ OSMAN ATAHAN