Phishing saldırılarının sınıflandırılmasında makine öğrenmesi algoritmalarının kullanılması
The use of machine learning algorithms in the classification of phishing attacks
- Tez No: 921307
- Danışmanlar: DOÇ. DR. AHMET ALİ SÜZEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 66
Özet
Bu yüksek lisans tez çalışması, metin sınıflama yöntemleri kullanarak phishing saldırılarının tespit edilmesini amaçlamaktadır. Çalışmada, Destek Vektör Makineleri (SVM) ve Karar Ağacı gibi geleneksel makine öğrenimi yöntemleri ile DistilBERT, RobertA ve LSTM gibi derin öğrenme tabanlı yöntemlerin performansları karşılaştırılmıştır. Phishing URL'lerinin belirlenmesinde kullanılan veri seti, kelime frekansı ve TF-IDF yöntemleri ile özellik çıkarımı yapılacak şekilde ön işlenmiştir. Modeller, hassasiyet, geri çağırma ve F1-skoru gibi metriklerle değerlendirilmiş ve DistilBERT modelinin %99 doğruluk oranı ile en iyi performansı sergilediği tespit edilmiştir. Bu sonuç, derin öğrenme tabanlı modellerin metin sınıflama görevlerinde geleneksel yöntemlere kıyasla daha üstün olduğunu göstermektedir. Tez çalışmasında, phishing saldırılarını gerçek zamanlı olarak tespit edebilecek sistemlerin geliştirilmesi için önemli bir temel sunulmaktadır. Ayrıca, düşük kaynak gereksinimine sahip ortamlarda LSTM ve SVM gibi hafif modellerin kullanılmasında elde edilebilecek sonuçlarda ortaya koyulmuştur. Yanlış pozitif oranlarının azaltılması ve farklı dillerdeki phishing saldırılarına uyarlanabilirlik gibi öneriler sunulmuş, güvenlik önlemlerinin daha geniş bir kapsama alanına yayılabileceği vurgulanmıştır. Bu tez çalışması, phishing tespitine yönelik hem akademik araştırmalara hem de endüstriyel uygulamalara katkı sağlayacak bir çözüm sunmaktadır.
Özet (Çeviri)
This master thesis aims to detect phishing attacks using text classification methods. The study compares the performance of traditional machine learning methods such as Support Vector Machines (SVM) and Decision Tree with deep learning-based methods such as DistilBERT, RobertA and LSTM. The dataset used to identify phishing URLs was pre-processed for feature extraction using word frequency and TF-IDF methods. The models were evaluated with metrics such as precision, recall and F1-score and it was found that the DistilBERT model performed the best with 99% accuracy. This result shows that deep learning-based models are superior to traditional methods in text classification tasks. This thesis provides an important basis for the development of systems that can detect phishing attacks in real time. In addition, the results that can be obtained by using lightweight models such as LSTM and SVM in low-resource environments are also demonstrated. Suggestions such as the reduction of false positive rates and adaptability to phishing attacks in different languages are presented, and it is emphasised that security measures can be extended to a wider coverage area. This thesis presents a solution for phishing detection that will contribute to both academic research and industrial applications.
Benzer Tezler
- Derin öğrenme yöntemi kullanarak web tabanlı kimlik avı saldırılarının sınıflandırılması
Classification of web-based phishing attacks using deep learning method
RAMAZAN İNCİR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET BEDRİ ÖZER
- An agent-based phishing attack model from a human-organizational-technical perspective
İnsan-kurumsal-teknik açıdan bir ajan tabanlı phishing saldırı modeli
MELTEM EMİNE MUTLUTÜRK
Doktora
İngilizce
2023
Yönetim Bilişim SistemleriBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. BİLGİN METİN
- A risk management framework for smart distribution systems
Akıllı güç dağıtım sistemleri için risk yönetimi çerçevesi
ELİF ÜSTÜNDAĞ SOYKAN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK
- Çok katmanlı sinir ağları ile oltalama saldırılarının tespiti ve model karşılaştırması
Detection of phishing attacks using multi-layer neural networks and model comparison
SAMED YARDIMCI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YÜCEL TEKİN
- Oltalama saldırılarının makine öğrenmesi ile tespitinde kullanılan özniteliklerin analizi
Analysis of the features used in detecting phishing attacks by machine learning
SİBEL KAPAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL