Windows olay günlüklerinde grafik dönüştürücü ağlar ile anomali tespiti
Anomaly detection with graph transformer networks in windows event logs
- Tez No: 919304
- Danışmanlar: DOÇ. DR. MUSTAFA KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Savunma ve Savunma Teknolojileri, Computer Engineering and Computer Science and Control, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Bu araştırma, artan siber tehditlere karşı güvenlik sisteminin etkinliğini artırmak amacıyla Windows Olay Günlüklerinden alınan verileri analiz etmek için Graph Transformer Network (GTN)'den esinlenilen grafik tabanlı bir yaklaşım sunmaktadır. GTN'nin temel aldığı GCN tabanlı yapı, Windows olay günlüklerinin ayrıntılı incelenmesine odaklanarak karmaşık ve çeşitli veri kaynaklarının analiz edilmesi için yeni olanaklar açar. Kullanılan veri kümesindeki olay günlükleri; kayıt defteri ve sistem değişikliklerini, güvenlik ihlallerini ve tehdit simülasyonlarını içerir. Veri seti, gelişmiş tehdit aktörlerinin taktik, teknik ve prosedürlerini simüle eden olay günlüğü verilerinden oluşmaktadır. Bu yaklaşım, mevcut güvenlik çözümlerinin güçlendirilmesine ve yeni savunma stratejilerinin geliştirilmesine bu yaklaşım yardımcı olur. Aynı zamanda bu veri setini kullanan araştırma sonuçları, siber güvenlik uzmanlarının ve araştırmacıların saldırı vektörlerini ve saldırı yüzeylerini daha iyi anlamalarını sağlayabilir. Bu çalışma, veri kümesindeki her olayı ve olaylar arasındaki etkileşimleri grafik tabanlı bir yapıda modellemektedir. GTN tabanlı modellerde her olay bir düğüm olarak temsil edilir ve düğümler arasındaki kenarlar bu olayların birbirleriyle olan etkileşimlerini ve bağlantılarını gösterir, böylece karmaşık siber tehdit senaryoları içindeki ilişkisel bağlantıları ve yapısal kalıpları ortaya çıkarır. GTN, bu grafiklerdeki karmaşık yapısal kalıpları ve bağlantıları öğrenerek normal ve anormal davranışlar arasındaki farkları ayırt edebilir. Geleneksel güvenlik sistemlerinin gözden kaçırabileceği ince ayrıntıları ve ilişkileri belirlemede bu yaklaşım etkilidir. Alışılagelmiş grafik tabanlı sinir ağlarından farklı olarak GTN modeli, uzun mesafeli bağlantıları ve büyük yapısal kalıpları öğrenmede daha iyidir; bu, Windows Olay Günlükleri gibi karmaşık verileri işlemek için önemlidir. Bu çalışma, GTN prensiplerinden esinlenilen bir yaklaşımın ayrıntılı bir veri seti üzerinde uygulanmasını gösterecek, siber güvenlik tehditlerinin daha iyi anlaşılmasını ve tanımlanmasını kolaylaştıracak, sonuçta siber güvenlik alanında tehdit tespit ve analiz yöntemlerini geliştirecek ve siber güvenlikle ilgili mevcut literatüre önemli ölçüde katkıda bulunacaktır.
Özet (Çeviri)
This research presents a graph-based approach inspired by Graph Transformer Network (GTN) to analyze data from Windows Event Logs to increase the effectiveness of the security system against increasing cyber threats. The GCN-based structure on which GTN is based opens new possibilities for analyzing complex and diverse data sources by focusing on detailed examination of Windows event logs. The event logs in the dataset used include registry and system changes, security breaches, and threat simulations. The dataset consists of event log data simulating the tactics, techniques, and procedures of advanced threat actors. This approach helps strengthen existing security solutions and develop new defense strategies. At the same time, research results using this dataset can provide cybersecurity experts and researchers with a better understanding of attack vectors and attack surfaces. This study models each event in the dataset and the interactions between events in a graph-based structure. In GTN-based models, each event is represented as a node, and the edges between nodes show the interactions and connections of these events, thus revealing the relational connections and structural patterns within complex cyber threat scenarios. By learning complex structural patterns and connections in these graphs, GTN can distinguish between normal and abnormal behaviors. This approach is effective in identifying subtle details and relationships that traditional security systems may miss. Unlike conventional graph-based neural networks, the GTN model is better at learning long-distance connections and large structural patterns, which is important for processing complex data such as Windows Event Logs. This study will demonstrate the application of an approach inspired by GTN principles on a detailed dataset, facilitating a better understanding and identification of cybersecurity threats, ultimately improving threat detection and analysis methods in the cybersecurity field, and significantly contributing to the existing literature on cybersecurity.
Benzer Tezler
- Tungsten oksit ve katkılı tungsten oksit ince filmlerin hazırlanması ve karakterizasyonu
Preparation and characterization of tungsten oxide and doped tungsten oxide thin films
ESRA ÖZKAN ZAYİM
Doktora
Türkçe
2002
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA Z. TEPEHAN
- Timeline analysis based on critical windows incident response artifacts
Kritik windows olay müdahalesi yapımlarına dayalı zaman çizelgesi analizi
OMER SALMAN MOHAMMED AL-JOBOURY
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DOÇ. DR. AHMET NACİ ÜNAL
- Makine öğrenmesi kullanarak windows olay kayıtları ile dinamik davranış analizi
Dynamic behavior analysis through novel windows event logs with machine learning
GÖKSUN ÖNAL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ AYDIN SELÇUK
DR. MESUT GÜVEN
- Windows işletim sistemi kalıntılarının analizini gerçekleştiren siber olay müdahale aracının geliştirilmesi ve olay zaman çizelgesinin çıkarılması
Development of cyber incident response tool that performs analysis of windows operating system remnants and extraction of event timeline
ALİ HÜSAMİDDİN UÇAR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH ERTAM
- Olay müdahalesi kapsamında windows işletim sistemine sahip cihazlardan triyaj kayıtlarının elde edilmesi
Collection of triage from machines with windows operating system in incident response
KAAN YENİYOL
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Ana Bilim Dalı
DOÇ. DR. FATİH ERTAM