Anomaly detection system for avionics ADS-B: Attack vectors and machine learning
Aviyonik ADS-B sistemi için anomali tespit sistemi: Saldırı vektörleri ve makine öğrenimi
- Tez No: 888550
- Danışmanlar: PROF. DR. SEDAT AKLEYLEK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Sivil Havacılık, Computer Engineering and Computer Science and Control, Civil Aviation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Otomatik bağımlı gözetleme-yayın (ADS-B) sistemlerine yönelik güvenlik sorunları ve çözüm yöntemleri üzerine yapılan çalışmalar, artan hava trafik hacmi nedeniyle her geçen gün daha da kritik hale gelmektedir. Uçak ve yer istasyonları, yayınlanan ADS-B verilerini verinin kaynağını ve bütünlüğünü kontrol etmeden almaktadır. Bu nedenle, ADS-B sistemlerine yanlış veri göndererek sistemi kolayca yanıltmak mümkündür. Bu tez kapsamında, ADS-B sistemi için bir güvenlik çözümü olarak anomali/saldırı tespit sistemi geliştirilmiştir. ADS-B verilerindeki anomalileri/saldırıları tespit etmek için çeşitli parametre setleri analiz edilmiş ve kritik parametreler belirlenmiştir. Sahtecilik, mesaj ekleme ve sanal yörünge değişikliği saldırıları gibi sekiz farklı saldırı senaryosu için saldırı vektörleri oluşturulmuştur. Daha sonra gerçek saldırı senaryosuna yakınsamak için farklı saldırı vektörlerini birleştirerek hibrit veri kümeleri oluşturulmuştur. Gelecekteki akademik araştırmaları desteklemek ve diğer araştırmacıların bulgularımızı genişletmesine olanak sağlamak için üretilen veri kümeleri açık olarak paylaşılmaktadır. Literatürde çeşitli saldırı senaryolarını kapsamlı bir şekilde ele alan bildiğimiz ilk saldırı veri kümesidir. Üretilen veri kümeleri, anomali/saldırı tespit sistemlerinin değerlendirilmesi ve sağlamlığını arttırmak amacı ile çeşitli saldırı senaryolarını kapsamaktadır. Farklı makine öğrenmesi ve derin öğrenme modellerinin performansını değerlendirmek için üretilen saldırı veri kümelerini kullanılmıştır. Bu tez kapsamında elde ettiğimiz sonuçlar, mevcut yöntemlere göre doğruluk ve güvenilirliği arttırdığımızı göstermektedir.
Özet (Çeviri)
The topic of security challenges and solutions for automatic dependent surveillance-broadcast (ADS-B) systems is becoming more critical day-to-day because of the increasing air traffic volume. Since aircraft and ground stations receive broadcast ADS-B data can not check the source and integrity of data, ADS-B systems can be spoofed easily by transmitting false data. In this thesis, we develop an anomaly detection system for ADS-B data as a security solution. To identify anomalies in ADS-B data, various parameter sets are analyzed to identify critical parameters. We define attack vectors for eight different attack scenarios, such as spoofing, message injection, and virtual trajectory change attacks, and create hybrid datasets by combining different attack vectors to increase the detection ability of different attack scenarios. We have made our attack dataset publicly available to support future academic research and enable comparing results. To our knowledge, this dataset is the first dataset in the literature to cover various attack scenarios comprehensively. These datasets have covered a wide range of attack scenarios to increase the robustness of anomaly detection assessments. We use attack datasets to evaluate the performance of different machine learning and deep learning models. Based on the results of our model, we increase the accuracy and reliability compared to existing methods.
Benzer Tezler
- Anomaly detection of MIL-STD 1553 traffic: Machine learning methods and realistic simulation evaluation
MIL-STD 1553 trafiğinde anomali tespiti: Makine öğrenmesi yöntemleri ve gerçekçi simülasyon ile değerlendirme
HÜSEYİN SAĞIRKAYA
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ECE GÜRAN SCHMİDT
- Uzun kısa süreli bellek (LSTM) kullanarak bulut ortamında anomali tespiti için yeni bir akıllı sistem
A new intelligent system for anomaly detection in cloud envirounmrnt using long short-term memory (LSTM)
AHMED ADNAN KHUDHUR KHUDHUR
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEFER KURNAZ
- Gerçek zamanlı veriler yardımı ile karar veren bir bilgisayar ağı saldırı tespit sisteminin tasarlanması ve gerçeklenmesi
Design and implementation of a realtime network intrusion detection system
ERDEM CAN
Yüksek Lisans
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. A. GÖKHAN YAVUZ
- Anomaly detection scenarios in cyber-physical systems
Siber-fiziksel sistemlerde anomali tespit senaryoları
AYŞE SAYIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. MEHMET TAHİR SANDIKKAYA
- Su yönetim sistemleri için yapay zeka ve büyük veri destekli su kalitesi izleme ve anomali tespit sistemi
Artifical intelligence and big data supported water quality monitoring and anomaly detection system for water management systems
SEDA BALTA KAÇ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN EKEN