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
- Tez No: 935288
- Danışmanlar: DOÇ. DR. ZAFER GÜNEY
- 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: İstanbul Topkapı Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
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
- Development of IoT-based solar water heating system
Nesnelerin interneti tabanlı güneş enerjili su ısıtma sisteminin geliştirilmesi
HÜSEYİN GÖKALP
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MELİH GÜNAY
- Nesnelerin i̇nterneti uç bilişim ağlarinda güvenilir kullanici seçimi ile federatif öğrenme modeli
Federated learning model with trustworthy client selection for edge computing in the internet of things
NİMET MERVE TELÇEKEN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF BOZKAYA ARAS
- Kablosuz yerel alan ağlarında nesnelerin interneti için düşük güç tüketimli ve güvenli bir arabirim geliştirme uygulaması
Development of a secure interface with low energy for internet of things in wireless local area network
CANSU BEKTAŞ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErzincan ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BARAN
- Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi
A novel deep learning-based intrusion detection system for internet of things networks
KEMAL AKKANAT
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
PROF. DR. MUHARREM TOLGA SAKALLI
- Enhancing ıot security: using eBPF to mitigate DDoS attacks on IoT network
Nesnelerin interneti güvenliğinin geliştirilmesi: IoT ağlarinda DDoS saldirilarini azaltmak için eBPF kullanimi
ABDURRAHMAN TOLAY
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstinye ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSAMETTİM OSMANOĞLU