Geri Dön

Nesnelerin interneti (oT) ağlarında hacimsel ddos saldırılarının tespitine yönelik derin öğrenme tabanlı bir model önerisi

A deep learning-based model proposal for detecting volumetric ddos attacks in internet of things (oT) networks

PDF İndir

  1. Tez No: 935288
  2. Yazar: BENGİSU EDA BOZDAĞ
  3. Danışmanlar: DOÇ. DR. ZAFER GÜNEY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İSTANBUL TOPKAPI ÜNİVERSİTESİ
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 59

Özet

İçinde bulunduğumuz Bilgi Çağında Nesnelerin İnterneti (IoT) ağlarının da tıpkı geleneksel ağ ortamları gibi artan siber tehdit ve saldırıların riski altında bulunması gerçeği, IoT ağ güvenliğinin sağlanmasını yalnızca bir gereklilik değil, aynı zamanda bir zorunluluk haline getirmektedir. Günümüzde en yaygın siber saldırı türlerinden biri olan Dağıtılmış Hizmet Reddi (DDoS) saldırıları, IoT ağları üzerinden sunulan hizmetleri istismar edebilir, kesintiye uğratabilir, değiştirebilir, engelleyebilir veya zarar verebilir. DDoS saldırılarının zamanında tespit edilmesi ve önlenmesi, IoT ağ güvenliğinin sağlanması için büyük önem taşımaktadır. Derin Öğrenme (DL) teknikleri DDoS siber saldırılarını tespit etmek ve engellemek amacıyla etkin bir şekilde kullanılmaktadır. Bu çalışmada, IoT ağlarında hacimsel DDoS saldırılarının tespiti ve önlenmesi için Long Short-Term Memory (LSTM) tabanlı bir model (LSTM-IoT) önerilmiştir. LSTM-IoT modelinin tasarımı, imza tabanlı bir saldırı tespiti yaklaşımına dayanmaktadır. Çalışmada veri seti olarak CICDoS2019 Veri Seti içinde yer alan UDP flood saldırıları verileri kullanılmıştır. Çalışma neticesinde elde edilen sonuçlar LSTM-IoT modelinin hacimsel DDoS saldırılarını tespit etmedeki etkinliğini ortaya koymakta olup, literatürde mevcut diğer çalışmalar ile yapılan karşılaştırmalar da bu etkinliğin doğruluğunu desteklemektedir.

Özet (Çeviri)

In the Information Age we are currently in, the fact that Internet of Things (IoT) networks, like traditional network environments, are under the increasing risk of cyber threats and attacks makes ensuring IoT network security not only a necessity but also a requirement. One of the most common types of cyber attacks today, Distributed Denial of Service (DDoS) attacks, can exploit, disrupt, alter, block, or damage services provided through IoT networks. Timely detection and prevention of DDoS attacks are crucial for ensuring the security of IoT networks. Deep Learning (DL) techniques are effectively used to detect and prevent DDoS cyber attacks. In this study, a Long Short-Term Memory (LSTM)-based model (LSTM-IoT) is proposed for detecting and preventing volumetric DDoS attacks in IoT networks. The design of the LSTM-IoT model is based on a signature-based attack detection approach. The UDP flood attack data from the CICDoS2019 Dataset was used as the dataset for the study. The results obtained from the study demonstrate the effectiveness of the LSTM-IoT model in detecting volumetric DDoS attacks, and comparisons with other existing works in the literature further support the accuracy of this effectiveness.

Benzer Tezler

  1. Tez No

    967273

    Gemi siber güvenlik dinamiklerinin belirlenmesi ve köprüüstü seyir ekipmanlari özelinde siber güvenlik risk değerlendirme uygulamalari

    Determination of ship cyber security dynamics and cyber security risk assessment applications specifically for bridge navigation equipment

    BÜNYAMİN GÜNEŞ

    Doktora

    Türkçe

    Türkçe

    2025

    Denizcilikİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PELİN BOLAT

  2. Tez No

    748438

    TiO2 İnce Filmlerin Yapısal, Elektriksel ve Triboelektrik Özelliklerinin İncelenmesi

    Investigation of Structural, Electrical and Triboelectric Properties of TiO2 Thin Films

    SERAY ÖZKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EnerjiRecep Tayyip Erdoğan Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERCÜMENT YÜZÜAK

  3. Tez No

    713309

    Use of blockchain technology in supply chain management and logistics: a case study in logistics company

    Blok zincir teknolojisinin lojistik ve tedarik zinciri yönetiminde kullanımı: lojistik şirketinde vaka çalışması

    ONUR EPER

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    İşletmeYaşar Üniversitesi

    Uluslararası Lojistik Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ PERVİN ERSOY

  4. Tez No

    921188

    Comprehensive review on vertical farming and its role in sustainability

    Dikey tarım ve sürdürülebilirlikteki rolü üzerine kapsamlı bir inceleme

    GİZEM ATLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Uluslararası İlişkilerDokuz Eylül Üniversitesi

    Uluslararası İşletmecilik ve Ticaret Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CANSU YILDIRIM

  5. Tez No

    521988

    Low power cmos thermometer sensor with a bandgap reference for LSI applications

    LSI uygulamaları için düşük güç tabanlı geniş bant ve termometre sensörü

    MUHAMMAD ARSALAN ATHAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Şehir Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN DOĞAN

Geri Dön