Haberleşme ağlarında saldırı tespiti için yapay zeka modellerinin uygulanması
Application of artifical intelligence models for intrusiondetection in communication networks
- Tez No: 935432
- Danışmanlar: PROF. DR. TANSAL GÜÇLÜOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnternete bağlı cihazların sayısının her geçen gün artmasıyla veri güvenliği tehditleri artmış ve izinsiz giriş tespit sistemlerinin etkinliğini artırma ihtiyacı doğmuştur. Bu nedenle, belirli bir ağa ait hem iyi huylu hem kötü huylu verileri içeren büyük veri kümelerinde trafik analizi yapmak, kötü niyetli erişim ve yazılımları bulmada önemli rol oynamaktadır. Günümüzde yapay zeka teknikleri, bu sistemlerin performansında büyük iyileştirmeler sağlamaktadır. Bu çalışmada, CIC-IDS, NSL-KDD ve TON-IoT veri setleri üzerinde durulmuştur. Bu veri kümeleri, makine öğrenmesi ve derin öğrenme teknikleri kullanılarak çeşitli saldırı tiplerinin tespitine katkıda bulunmak için kullanılmıştır. CIC-IDS veri setinde yapılan çalışmalarda AlexNet, MiniVGGNet (Mini Visual Geometry Group Network), XGBoost (Extreme Gradient Boosting), GRU (Gradient Recurrent Unit), LSTM (Long Short-Term Memory) ve SVM (Support Vector Machine) denenmiş olup model optimizasyonu ile model başarıları arttırılmıştır. NSL-KDD veri kümesi üzerinde yapılan çalışmalarda LSTM, MiniVGGNet, XGBoost başarıları model optimizasyonu ile artırılmaya çalışılmış ve SVM, GRU gibi algoritmalar da denenmiştir. TON-IoT veri setinde XGBoost, LSTM, GRU, Random Forest, Lojistik Regresyon, AlexNET, SVM, MiniVGGNet ve KNN modellerinin etkinliği değerlendirilmiştir. Tüm modeller denendikten sonra Enhanced Attention Mechanism modeli kurulmuş ve 3 farklı veri setinde tüm bu algoritmalarla kıyası gerçekleştirilmiş, sonucunda ise daha başarılı değerler gözlemlenmiştir. Bu tarz ağ verilerinin bulunduğu veri setlerindeki en büyük sorun model seçiminden önce veri dengesizliğidir. Dengesizlikler model eğitimini olumsuz yönde etkilemektedir. Bunun giderilmesi için modele uygunluğun tespit edilmesi sonucu SMOTE ve Class Weights uygulanmaktadır. Veri dengesizliği probleminin çözülmesiyle de modellerde yüksek eğitim başarısına ulaşılmıştır. Model optimizasyonu sonrasında sıklıkla kullanılan accuracy (doğruluk oranı), recall (duyarlılık), precision (kesinlik) ve F1 performans metrikleriyle oluşturulan modellerin veri eğitimi üzerindeki etkisi detaylı şekilde analiz edilmiştir. Yapılan çalışmalar, ağ trafiği üzerindeki anormalliklerin tespitinde veri ön işleme, makine öğrenmesi ve derin öğrenme stratejilerin önemini göstermektedir. Bu yaklaşım, siber tehditlere karşı etkili çözümler sunarak saldırı tespit sistemlerini ve veri güvenliği uygulamalarını güçlendirecektir.
Özet (Çeviri)
As the number of devices connected to the Internet increases day by day, data security threats have increased and the need to increase the effectiveness of intrusion detection systems has arisen. Therefore, performing traffic analysis on large data sets containing both benign and attack-related data belonging to a specific network plays an important role in finding malicious access and software. Today, machine learning and deep learning techniques provide great improvements in the performance of these systems. In this study, CIC-IDS, NSL-KDD and TON-IoT data sets are emphasized. These data sets are used to contribute to the detection of various types of attacks using machine learning and deep learning techniques. In the studies conducted on the CIC-IDS data set, AlexNet, MiniVGGNet (Mini Visual Geometry Group Network), XGBoost (Extreme Gradient Boosting), GRU (Gradient Recurrent Unit), LSTM (Long Short-Term Memory) and SVM (Support Vector Machine) are tried and models success are increased with model optimization. In the studies conducted on the NSL-KDD dataset, LSTM, MiniVGGNet, XGBoost successes are tried to be increased with model optimization and algorithms such as SVM, GRU are also tried. The effectiveness of XGBoost, LSTM, GRU, Random Forest, Logistic Regression, AlexNet, SVM, MiniVGGNet and KNN models are evaluated on the TON-IoT dataset. After all models are tried, the Enhanced Attention Mechanism model is established and compared with all these algorithms and as a result, more successful values are observed. The biggest problem in datasets with such network data is data imbalance before model selection. Imbalances have a negative effect on model training. In order to eliminate this, SMOTE and Class Weights are applied as a result of determining the suitability of the model. By solving the data imbalance problem, it is demonstrated that high training success could be achieved in these critical tasks. Using parameters that measure success and prediction, such as accuracy, recall, precision and f1, which are frequently used in machine learning and deep learning, the effect of the created models on data training is evaluated in more detail. The studies show the importance of data preprocessing, machine learning and deep learning strategies in detecting anomalies on network traffic.
Benzer Tezler
- Kalkınmada öncelikli yörelerde görev yapan vali-kaymakam il ve ilçe Milli Eğitim Gençlik ve Spor Müdürlerinin ilköğretim yönetiminde karşılaştıkları güçlükler
Başlık çevirisi yok
MUSTAFA YALÇINKAYA
Yüksek Lisans
Türkçe
1987
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Yönetimi Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL ATAMAN
- Türkiye'de trafik kazalarının nedenleri ve acil yardım organizasyonu
Başlık çevirisi yok
VEYSEL HAVUÇ
Yüksek Lisans
Türkçe
1986
UlaşımGazi ÜniversitesiAcil Yardım ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. ÖVSEV DÖRTLEMEZ
- Tarihsel gelişimi bakımından TRT'nin yönetim şekli ve hukuk düzeni
Başlık çevirisi yok
KAMİL ÖZÇELİK
Yüksek Lisans
Türkçe
1987
Radyo-Televizyonİstanbul ÜniversitesiRadyo Televizyon Ana Bilim Dalı
PROF. DR. EROL CİHAN
- TRT televizyonu haberciliği
Başlık çevirisi yok
A. ZAHİD AKMAN
Yüksek Lisans
Türkçe
1987
Radyo-Televizyonİstanbul ÜniversitesiRadyo Televizyon Ana Bilim Dalı
PROF. DR. EROL CİHAN