Siber fiziksel ve endüstriyel sistemlerde davetsiz misafir saldırılarının anormallik tespiti için yapay zeka ve yumuşak hesaplama yöntemlerinin uygulanması
Application of artificial intelligence and soft computing methods for anomaly detection of intrusion attacks in cyber-physical and industrial systems
- Tez No: 957470
- Danışmanlar: PROF. DR. GÜRKAN TUNA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Mechatronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 195
Özet
Siber-fiziksel sistemler ve endüstriyel kontrol sistemlerinin dijitalleşmesi, bu sistemlere yönelik siber tehditlerin karmaşıklığını ve tehlikelerini artırmıştır. Özellikle davetsiz misafir saldırıları, sistemlerin sürekliliği ve güvenliği üzerinde ciddi bir tehdit oluşturmaktadır. Bu tez çalışmasında, siber-fiziksel sistemler ve endüstriyel kontrol sistemlerinde davetsiz misafir saldırılarının anomali tespiti için yapay zeka ve yumuşak hesaplama temelli yöntemlerin performansı sistematik bir şekilde incelenmiştir. Bu amaçla, CIC-ToN-IoT, CSE-CIC-IDS2018 ve Edge-IIoTset gibi güncel ve kapsamlı veri setleri kullanılarak çeşitli makine öğrenmesi, derin öğrenme ve yumuşak hesaplama teknikleri uygulanmıştır. Karar ağaçları, destek vektör makineleri, K-en yakın komşu, lojistik regresyon ve doğrusal diskriminant analizi gibi klasik makine öğrenmesi algoritmaları ile Evrişimli Sinirsel Ağ ve Uzun Kısa Dönemli Bellek gibi derin öğrenme yaklaşımlarının performansı değerlendirilmiştir. Ayrıca, bulanık mantık, Genetik Algoritmalar, Uyarlamalı Nöro-Bulanık Çıkarım Sistemi ve Derin Q Ağı gibi yumuşak hesaplama yöntemleriyle hem bağımsız hem de hibrit modeller geliştirilerek sistem performansı analiz edilmiştir. Elde edilen bulgular, klasik makine öğrenmesi modellerinin genellikle yüksek isabetlilik sunduğunu, ancak derin öğrenme ve yumuşak hesaplama temelli yöntemlerin, özellikle azınlık sınıflarında ve karmaşık veri setlerinde esneklik ve uyarlanabilirlik avantajları sağladığını ortaya koymaktadır. Çalışma, bu yöntemlerin siber-fiziksel ve endüstriyel kontrol sistemlerindeki uygulanabilirliğini göstermeyi ve bu alanda yapılacak ileri düzey araştırmalara katkı sunmayı hedeflemektedir.
Özet (Çeviri)
The digitisation of cyber-physical systems and industrial control systems has amplified the complexity and severity of cyber threats targeting these systems. In particular, intrusion attacks pose a significant threat to the continuity and security of such systems. This thesis investigates the performance of artificial intelligence and soft computing-based methods for anomaly detection of intrusion attacks in cyber-physical and industrial control systems through a systematic approach. To this end, contemporary and comprehensive datasets, namely CIC-ToN-IoT, CSE-CIC-IDS2018, and Edge-IIoTset, were employed to apply various machine learning, deep learning, and soft computing techniques. The performance of classical machine learning algorithms, including decision trees, support vector machines, K-nearest neighbour, logistic regression, and linear discriminant analysis, was evaluated alongside deep learning approaches such as Convolutional Neural Networks and Long Short-Term Memory networks. Furthermore, soft computing methods, including fuzzy logic, Genetic Algorithms, Adaptive Neuro-Fuzzy Inference Systems, and Deep Q Networks, were used to develop both standalone and hybrid models, with their system performance thoroughly analysed. The findings reveal that classical machine learning models generally achieve high accuracy, while deep learning and soft computing-based methods offer advantages in flexibility and adaptability, particularly for minority classes and complex datasets. This study aims to demonstrate the applicability of these methods in cyber-physical and industrial control systems and to provide a foundation for advanced research in this field.
Benzer Tezler
- Endüstri 4.0 ve mekatronik sistemler için yapay zekauygulamalarının geleceği
The future of artificial intelligence applications for industry 4.0 and mechatronic systems
PELİN TEKİN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL NİŞANTAŞI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEVİLAY UÇAR YÜZBAŞ
- Bina içi lojistik faaliyetler için bulut tabanlı otonom robot yönetimi
Cloud-based autonomous robot management for indoor logistics activities
FATİH OKUMUŞ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADNAN FATİH KOCAMAZ
- Bakırın asidik çözeltideki korozyonuna 4-Amino-N-(1,3) – thiazole-2-yl benzen sülfonamide'in inhibisyon etkisinin incelenmesi
Investigation of the inhibition effect of 4-Amino-N-(1,3) – thiazole-2-yl benzene sulfonamide on corrosion of copper in acidic solution
AHSEN KARADAĞ
- Sanayide endüstri 4.0 süreçleri: Çorum sanayisinde bir uygulama
Industry 4.0 processes in industry: An application in Çorum industry
EMRE BERKSUN
Yüksek Lisans
Türkçe
2018
İşletmeHitit Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA ÇAĞIRAN KENDİRLİ
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA