CICIoT2023 veri seti ile IoT ortamlarında siber saldırıların tespiti ve analizi
Detection and analysis of cyber attacks in IoT environments with CICIoT2023 data set
- Tez No: 947074
- Danışmanlar: PROF. DR. HALİFE KODAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 218
Özet
Nesnelerin İnterneti (IoT) teknolojilerinin hızla yaygınlaşması, bu sistemlere yönelik siber saldırı risklerini de beraberinde getirmektedir. Özellikle sınırlı işlem gücüne ve güvenlik önlemlerine sahip IoT cihazları, DDoS saldırıları ve diğer siber tehditler karşısında savunmasız hale gelmekte, bu da hizmet kesintilerine ve kritik altyapıların zarar görmesine neden olabilmektedir. Bu çalışmada, IoT ortamlarında meydana gelen siber saldırıların tespit edilmesi ve analiz edilmesi amacıyla CICIoT2023 veri seti kullanılarak çeşitli makine öğrenmesi ve derin öğrenme algoritmalarının performansları değerlendirilmiştir. Lojistik Regresyon (LR), Karar Ağaçları (KA), Naive Bayes (NB), K-En Yakın Komşular (KEYK), Rasgele Orman (RO), Gradyan Artırma (GA), Aşırı Gradyan Artırma (AGA), Yapay Sinir Ağları (YSA), Uzun Kısa Süreli Bellek (UKSB), Tekrarlı Sinir Ağları (TSA) ve Evrişimli Sinir Ağları (ESA) gibi modeller kullanılarak, saldırı tespitindeki etkinlikleri karşılaştırılmıştır. Elde edilen sonuçlar, yapay zekâ ve makine öğrenmesi tabanlı yaklaşımların IoT sistemlerinde siber tehditleri tespit etmede etkili olduğunu göstermektedir. Çalışma, IoT güvenliğini artırmaya yönelik daha güçlü savunma mekanizmalarının geliştirilmesine katkı sağlamayı ve gelecekteki araştırmalar için yol gösterici olmayı amaçlamaktadır.
Özet (Çeviri)
The rapid proliferation of Internet of Things (IoT) technologies has also increased the risk of cyber attacks targeting these systems. IoT devices, which often have limited processing power and security measures, are vulnerable to DDoS attacks and other cyber threats, leading to service disruptions and damage to critical infrastructures. In this study, various machine learning and deep learning algorithms were evaluated using the CICIoT2023 dataset to detect and analyze cyber attacks in IoT environments. Models such as Logistic Regression (LR), Decision Trees (DT), Naive Bayes (NB), K-Nearest Neighbors (KNN), Random Forest (RF), Gradient Boosting (GB), Extreme Gradient Boosting (XGBoost), Artificial Neural Networks (ANN), Long Short-Term Memory (LSTM), Recurrent Neural Networks (RNN) and Convolutional Neural Networks (CNN) were compared in terms of their effectiveness in attack detection. The results indicate that AI and machine learning-based approaches are effective in identifying cyber threats in IoT systems. This study aims to contribute to the development of more robust security mechanisms for IoT environments and serve as a guide for future research.
Benzer Tezler
- IoT ağları için yeni bir saldırı tespit sistemi tasarımı
Design of a new intrusion detection system for IoT networks
TUĞBA ULUSOY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. ÜNAL ÇAVUŞOĞLU
- Nesnelerin interneti tabanlı ağlardaderin öğrenme ile saldırı tespiti
Deep learning based attack detection in internet ofthings networks
NADİR CAN KAVKAS
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAZIM YILDIZ
- Siber güvenlik sistemleri için dinamik ve artımlı makine öğrenmesi yaklaşımları
Dynamic and incremental machine learning approaches for cyber security systems
ENGİN BAYSAL
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT BAYILMIŞ
- IoT'de meydana gelen DDoS saldırılarının derin öğrenmeyöntemleri kullanılarak büyük veri ortamında analizive tespiti
Analysis and detection of ddos attacks in IoT by using deeplearning methods in big data environment
SAMİ YARAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT DENER
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN