Attack detection in IoT systems using metaheuristic-enhanced quantum and classical machine learning techniques
Metasezgisel yöntemlerle geliştirilmiş kuantum ve klasik makine öğrenme teknikleri kullanılarak IoT sistemlerinde saldırı tespiti
- Tez No: 956363
- Danışmanlar: DOÇ. DR. HALİT BAKIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 107
Özet
Nesnelerin İnterneti (Internet of Things, IoT) sistemleri, internet üzerinden veri toplayan ve birbirleriyle veri alışverişi yapan bağlı cihazlardan oluşur. Bu sistemler, sağlık, tarım ve sanayi gibi birçok alanda yaygın olarak kullanılmaktadır. Ancak, dağıtık yapıları ve sınırlı güvenlik mekanizmaları, bu sistemleri siber tehditlere karşı savunmasız hale getirir. Gerçek zamanlı tehdit tespiti ve önleme amacıyla klasik makine öğrenmesi (Machine Learning, ML) ve kuantum makine öğrenmesi (Quantum Machine Learning, QML) gibi yapay zekâ teknikleri, IoT güvenliğini artırmak için giderek daha fazla kullanılmaktadır. Bu tez, IoT'nin iki kritik alanı olan Medikal Nesnelerin İnterneti (Internet of Medical Things, IoMT) ve Tarımsal IoT (Agricultural IoT, AG-IoT) için ML ve QML tabanlı modeller önermektedir. Klasik ML algoritmaları, hem IoMT hem de AG-IoT sistemlerine uygulanmıştır. Model performansını artırmak amacıyla, keşif ve sömürü arasında etkili bir denge sağlayan modern bir metasezgisel algoritma olan Walrus Optimizasyon Algoritması (Walrus Optimization Algorithm, WaOA) ile hiperparametre ayarlamaları yapılmıştır. Ayrıca, akıllı tarım ortamlarında büyük ölçekli ve yüksek boyutlu verilerin oluşturduğu zorlukları ele almak için, AG-IoT alanına özgü yenilikçi QML modelleri geliştirilmiştir. Özellik seçimi için, karmaşık özellik uzaylarında etkili gezinme yeteneği sayesinde, literatürde ilk kez kullanılan ikili bir Starfish Optimizasyon Algoritması (Starfish Optimization Algorithm, SFOA) önerilmiştir. Mevcut kuantum donanımının sınırlamalarını azaltmak için, SFOA kullanılarak seçilen özellik kümesini azaltmak amacıyla karşılıklı bilgi (mutual information) sıralaması kullanılmıştır. Sonrasında, açı kodlamalı varyasyonel kuantum devreleri ile klasik yoğun katmanların entegre edildiği hibrit bir QML mimarisi geliştirilmiştir. Deneyler, modellerin hem ikili hem de çok sınıflı saldırı tespitinde yüksek doğruluk ve güçlü genelleme yeteneği gösterdiğini ortaya koymuştur. Bulgular, önerilen yaklaşımların IoT güvenliğinde etkili olduğunu göstermektedir. Gelecekteki çalışmalarda, dağıtık öğrenme ve gizliliği koruyan tekniklerin entegrasyonu araştırılabilir.
Özet (Çeviri)
Internet of Things (IoT) systems are composed of interconnected devices that collect and exchange data over the internet. They are widely used in domains such as healthcare, agriculture, and industry. However, their distributed nature and limited security mechanisms make them vulnerable to cyber threats. Artificial intelligence techniques, including classical machine learning (ML) and quantum machine learning (QML), are increasingly employed to enhance IoT security through real-time threat detection and prevention. This thesis proposes ML and QML models for two critical IoT domains, namely Internet of Medical Things (IoMT) and Agricultural IoT (AG-IoT). Classical ML algorithms were applied to both IoMT and AG-IoT systems. To enhance model performance, hyperparameter tuning was conducted using the Walrus Optimization Algorithm (WaOA), a modern metaheuristic designed to effectively balance exploration and exploitation in complex search spaces. Furthermore, innovative QML models were specifically developed for the AG-IoT domain to address the challenges posed by large-scale and high-dimensional data in smart agriculture environments. For feature selection, a binary version of the Starfish Optimization Algorithm (SFOA) was proposed—its first known use in this context—due to its ability to navigate complex feature spaces efficiently. To mitigate limitations of current quantum hardware, mutual information ranking was employed to reduce the feature set selected using SFOA. Subsequently, a hybrid QML architecture was developed by combining angle-encoded variational quantum circuits with classical dense layers. Experimental evaluations demonstrated that the models achieved high accuracy and strong generalization capability in both binary and multiclass intrusion detection tasks. These findings highlight the effectiveness of the proposed approach in IoT security. In the future works, the integration of federated learning and privacy-preserving techniques may be explored.
Benzer Tezler
- Nesnelerin interneti: Veri hesaplama tekniklerinde güvenlik entegrasyon çalışmaları
Internet of things: Security integration studies in data computing techniques
MERVE SÖZEN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ ALKUMRU
DR. FURKAN ÇAYCI
- CICIoT2023 veri seti ile IoT ortamlarında siber saldırıların tespiti ve analizi
Detection and analysis of cyber attacks in IoT environments with CICIoT2023 data set
EKREM TÜRKAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HALİFE KODAZ
- DDoS detection in IoT network using machine learning
Makine kullanarak IoT ağında DDoS tespiti öğrenme
OMER BASIM AL-RAWE
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ KARAN
- Jamming attack detection in WiFi networks: Analysis of network performance measures and construction of sequential machine learning model
Wi-Fi ağlarında jamming saldırısı tespiti: Ağ performans ölçümlerinin analizi ve sıralı makine öğrenimi modeli oluşturma
YAVUZ SELİM BOSTANCI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT SOYTÜRK
- Nesnelerin internetinde makine öğrenmesi tabanlı siber saldırı tespiti
Machine learning-based cyber attack detection in internet of things
NİLÜFER BOZDEMİR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CAN EYÜPOĞLU