Zararlı yazılım saldırılarının öznitelik seçimi kullanılarak yapay zeka tabanlı tespiti ve analizi
Artificial intelligence-based detection and analysis of malware attacks using feature selection
- Tez No: 952922
- Danışmanlar: DOÇ. DR. MUSTAFA KARHAN, DR. ÖĞR. ÜYESİ MUSA FARUK ÇAKIR
- 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: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Gününüzde siber güvenlik saldır yöntem ve tehditleri giderek karmaşıklaşan yapıları ve gelişen saldırı teknikleriyle küresel ölçekte büyük bir sorun haline gelmiştir. Güncel tehditlerin en önemlilerinden olan zararlı yazılımların sürekli olarak kendilerini yenilemesi ve saldırı tekniklerinin gelişmesi, geleneksel güvenlik yöntemlerinin yetersizliğini ortaya koymaktadır. Bu tez çalışması, yapay zekâ ve makine öğrenimi tekniklerinin zararlı yazılımların tespit ve analiz süreçlerindeki etkinliğini artırarak, siber tehditlere daha hızlı ve etkili bir müdahale sağlama kapasitesine odaklanmaktadır. Tez kapsamında, zararlı yazılım türleri ve saldırı vektörlerini içeren kapsamlı bir veri seti oluşturulmuş ve bu veri seti, verilerin ön işleme adımlarıyla temizlenerek analiz için uygun hale getirilmiştir. Makine öğrenmesi sürecinde karar ağaçları, random forest, k-en yakın komşu (k-NN) ve yapay sinir ağları (Neural Network) gibi farklı algoritmalar kullanılmış, öznitelik seçimi ve optimizasyon teknikleri uygulanarak model performansları karşılaştırılmıştır. Veri seti, test ve analiz olmak üzere iki gruba ayrılarak modelin değerlendirilmesi sağlanmıştır. En iyi performansı gösteren model, derinlemesine incelenmiş ve elde edilen analiz sonuçları üzerinde tartışılmıştır.
Özet (Çeviri)
Today's world, cybersecurity attack methods and threats have become increasingly complex, with evolving attack techniques presenting a significant challenge on a global scale. The constant evolution of malware, which is among the most critical current threats, and the development of sophisticated attack techniques highlight the inadequacy of traditional security methods. This thesis focuses on enhancing the effectiveness of malware detection and analysis processes by leveraging artificial intelligence and machine learning techniques, thereby enabling more rapid and effective responses to cyber threats. Within the scope of the study, a comprehensive dataset comprising various types of malware and attack vectors has been created, and this dataset has undergone preprocessing to ensure its suitability for analysis. During the machine learning phase, different algorithms such as decision trees, random forest, k-nearest neighbors (k-NN), and neural networks have been utilized, followed by feature selection and optimization techniques to compare model performances. The dataset was divided into two groups for testing and analysis, allowing for a thorough evaluation of the models. The best-performing model was subsequently analyzed in detail, and the obtained results were discussed comprehensively.
Benzer Tezler
- Obfuscated JavaScript detection using syntactically and lexically enhanced machine learning
Perdelenmiş JavaScript kodlarının sözdizimsel ve anlamsal yönden iyileştirilmiş makina öğrenmesi ile tespiti
EREN KILIÇ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA
- Zararlı yazılımların makine öğrenmesialgoritmaları ile tespit edilmesi
Detection of malwares by machine learning algorithms
FIRAT GÖKKİS
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. TAHSİN ÇETİNYOKUŞ
- Ağ trafiğinde anormallik tespiti için veri seti oluşturma ve test yöntemlerinin karşılaştırılması
Creating a data set for anomaly detection in network traffic and comparison of test methods
EMRULLAH ERGİNAY
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Zararlı yazılımların göstermiş oldukları davranışlara göre analiz ve tespit edilmesi
Analysis and detection of malware based on behaviors
ÖMER ASLAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- USB tabanlı sosyal mühendislik saldırılarının kullanıcı çalışması ile analizi ve değerlendirilmesi
Analysis and evalution of USB-based social engineering attacks using user study
KEMAL KARAÇUHA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. KEMAL BIÇAKCI