Çok katmanlı sinir ağları ile oltalama saldırılarının tespiti ve model karşılaştırması
Detection of phishing attacks using multi-layer neural networks and model comparison
- Tez No: 929385
- Danışmanlar: DR. ÖĞR. ÜYESİ YÜCEL TEKİN
- 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: Ostim Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Oltalama saldırılarının (phishing attacks) tespitinde derin öğrenme modellerinin etkinliğini analiz etmek ve bu modellerin performanslarını karşılaştırmak, siber güvenlik alanında kritik bir araştırma konusu olarak öne çıkmaktadır. Oltalama saldırıları, bireyler ve kurumlar için ciddi veri ihlallerine yol açabilen ve giderek artan bir tehdit oluştururken, bu saldırıların tespitine yönelik etkin çözümler geliştirmek, siber güvenlik stratejilerinin temel taşlarından biri haline gelmiştir. Bu çalışmanın temel amacı, derin öğrenme tabanlı yaklaşımlar kullanarak oltalama saldırılarının tespitindeki performansı incelemek ve modellerin güçlü ve zayıf yönlerini karşılaştırmalı bir perspektifle değerlendirmektir. Çalışmada, Uzun Kısa Süreli Bellek (LSTM), Geçitli Tekrarlayan Birim (GRU), Çok Katmanlı Algılayıcı (MLP), Artık Ağ (ResNet) ve 1 Boyutlu Evrişimli Sinir Ağı (1D-CNN) gibi farklı derin öğrenme mimarileri kullanılarak modellerin sıralı ve yapısal veri üzerindeki etkinlikleri analiz edilmiştir. Araştırma kapsamında, oltalama saldırılarının yapısal özellikleri, sıralı bağımlılıkları ve farklı model yapılarına olan uyumu ele alınmıştır. Model performansları doğruluk, kesinlik, duyarlılık ve F1 skoru gibi metriklerle değerlendirilerek detaylı analizler yapılmıştır. Çalışmada elde edilen bulgular, LSTM ve GRU modellerinin sıralı veri işleme konusundaki üstünlüklerini, MLP ve 1D-CNN'in genel özellik çıkarımı yeteneklerini ve ResNet'in bu tür verilere uyumluluğunun sınırlı kaldığını ortaya koymuştur. Elde edilen sonuçlar doğrultusunda, oltalama tespitinde en yüksek doğruluk oranı %96.54 ile LSTM modeli tarafından sağlanmış, GRU ve MLP modelleri sırasıyla %96.36 ve %96.26 doğruluk oranlarıyla takip etmiştir. Bu sonuçlar, oltalama saldırılarının tespitinde derin öğrenme mimarilerinin potansiyelini ve her bir modelin güçlü yönlerini optimize etmenin önemini vurgulamaktadır. Bu çalışma, derin öğrenme yöntemlerinin oltalama saldırılarının tespitine uygulanmasında önemli çıkarımlar sunarken, gelecekte hibrit modellerin geliştirilmesi, veri zenginleştirme ve transfer öğrenimi gibi yaklaşımlarla daha güçlü sonuçların elde edilebileceği öngörülmektedir. Bu bağlamda, siber güvenlik alanında derin öğrenme temelli çözümlerin daha etkin hale getirilmesine yönelik katkılar sağlanması hedeflenmiştir.
Özet (Çeviri)
Analyzing the effectiveness of deep learning models in detecting phishing attacks and comparing the performance of these models has emerged as a critical research topic in the field of cybersecurity. Phishing attacks pose a growing threat, leading to significant data breaches for individuals and organizations. Developing effective solutions for detecting such attacks has therefore become a cornerstone of cybersecurity strategies. The primary aim of this study is to examine the performance of phishing detection using deep learning-based approaches and to evaluate the strengths and weaknesses of these models from a comparative perspective. The study employs various deep learning architectures, including Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), Multi-Layer Perceptron (MLP), Residual Network (ResNet), and One-Dimensional Convolutional Neural Network (1D-CNN), to analyze their effectiveness on sequential and structural data. The research addresses the structural characteristics of phishing attacks, their sequential dependencies, and the compatibility of different model architectures. Model performance was assessed using metrics such as accuracy, precision, recall, and F1 score, and a detailed analysis was conducted. The findings revealed that LSTM and GRU excel in processing sequential data, while MLP and 1D-CNN demonstrate strong feature extraction capabilities. Conversely, ResNet showed limited compatibility with this type of data. According to the results, the highest accuracy rate of 96.54% was achieved by the LSTM model, followed by GRU and MLP models, which achieved accuracy rates of 96.36% and 96.26%, respectively. These results underscore the potential of deep learning architectures for phishing detection and highlight the importance of optimizing each model's strengths. This study provides significant insights into applying deep learning methods for phishing detection. It suggests that future research could focus on developing hybrid models, enriching datasets, and leveraging techniques like transfer learning to achieve stronger results. In this context, the study aims to contribute to enhancing the effectiveness of deep learning-based solutions in the field of cybersecurity.
Benzer Tezler
- A DEEP LEARNING INTRUSION DETECTION FRAMEWORK FOR IIOT NETWORKS USING SIMULATED AND TON-IOT DATASETS
SIMÜLE EDILMIŞ VE TON-IOT VERI SETLERI KULLANILARAK IIOT AĞLARI İÇIN DERIN ÖĞRENME TABANLI BIR SALDIRI TESPIT ÇERÇEVESI
NOOR SALİM GHANİM YAHYA
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Gelişim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ DAHMAN
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Atherosklerotik kalp hastalıklarında risk faktörleri
Risk factors in the coronary artery disease
MURAT SUHER
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET