Makine öğrenmesi yöntemleri ile siber saldırı tespiti
Cyber attack detection with machine learning methods
- Tez No: 901995
- Danışmanlar: DOÇ. DR. SEDAT ÇAPAR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Cyber security, cyber attack, machine leaning, KDD99 dataset To reduce this risk, six different experimental methods were applied, offering different perspectives on the dataset and models. However
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojinin gelişimi ile birlikte siber güvenlik kavramı da hayatımıza girmiştir. Yıllar içinde, mali kayıplar, kişisel veri ihlalleri ve şantaj gibi çeşitli nedenlerle siber saldırılar artmış ve bu saldırılara yönelik çalışmalar hız kazanmıştır. Bu çalışma, siber saldırıların tespitine yönelik ihtiyaçtan doğmuştur. Çalışmada, siber saldırı tespiti için yaygın olarak kullanılan KDD99 veri seti üzerinde Karar Ağaçları, ADABoost, Yapay Sinir Ağları (YSA) ve Destek Vektör Makineleri (DVM) gibi çeşitli modeller kurulmuş ve değerlendirilmiştir. Yapılan değerlendirmeler sonucunda, en yüksek başarı oranına sahip modelin Karar Ağaçları olduğu belirlenmiştir. Bununla birlikte, tüm modellerin başarı oranlarının %99 ve üzerinde olduğu gözlemlenmiştir. Bu yüksek başarı oranları, makine öğrenmesi modellerinin siber saldırı tespitinde etkili olduğunu gösterirken, aynı zamanda aşırı uyumlanma (overfitting) riskini de gündeme getirmiştir. Bu riskin azaltılması amacıyla, altı farklı deney yöntemi uygulanmış ve veri setine ve modellere farklı açılardan yaklaşılmıştır. Ancak, bu yöntemler sonucunda elde edilen modellerin başarı oranlarının yine %99 ve üzerinde olduğu tespit edilmiştir. Bu durum, veri setinin aşırı uyumlanma riskinin tamamen önlenemediği ihtimalini güçlendirmiştir.
Özet (Çeviri)
With the advancement of technology, the concept of cybersecurity has also entered our lives. Over the years, cyber attacks have increased due to various reasons such as financial losses, personal data breaches, and blackmail, leading to an acceleration in efforts to combat these attacks. This study arose from the need to detect cyber attacks. In the study, various models such as Decision Trees, ADABoost, Artificial Neural Networks (ANN), and Support Vector Machines (SVM) were developed and evaluated using the widely used KDD99 dataset for cyber attack detection. As a result of the evaluations, it was found that the model with the highest success rate was Decision Trees. However, it was also observed that all models achieved success rates of 99% and above. While these high success rates indicate that machine learning models are effective in detecting cyber attacks, they also raise concerns about the risk of overfitting.
Benzer Tezler
- Nesnelerin internetinde makine öğrenmesi tabanlı siber saldırı tespiti
Machine learning-based cyber attack detection in internet of things
NİLÜFER BOZDEMİR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CAN EYÜPOĞLU
- Makine öğrenimi yöntemleri ile ağ saldırılarının tespiti
Detection of network attacks using machine learning methods
FIRAT ÇEÇEN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP ERYİĞİT
- SCADA sistemlerinde dağıtık hizmet dışı bırakma saldırılarının derin öğrenme ve makine öğrenmesi yöntemleri ile tespiti
Detection of distributed denial of service attacks in SCADA systems with deep learning and machine learning methods
EBRU YAĞMUR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HALİFE KODAZ
- 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
- DDoS attack detection using machine learning and deep learning methods
Makine öğrenmesi ve derin öğrenme yöntemleri ile DDoS atak tespiti
DENİZ MERVE GÜNDÜZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTed ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİN KUĞU