Robotik sistemlerde siber fiziksel veri füzyonu ile saldırı tespiti için transformer tabanlı model geliştirilmesi
Development of transformer based model for attack detection in robotic systems with cyber physical data fusion
- Tez No: 977759
- Danışmanlar: DOÇ. DR. ESRA NERGİS YOLAÇAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Siber güvenlik, Veri füzyonu, Cyber security, Data fusion
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Robotik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde robotik sistemler; endüstriyel üretim, sağlık hizmetleri, otonom araçlar ve hassas montaj süreçleri gibi birçok alanda kritik roller üstlenmektedir. Ancak güvenliği ihlal edilen bir robotik sistem, operasyonel aksaklıklara ve insan güvenliğini tehlikeye atan ciddi sonuçlara yol açabilir. Bu nedenle, giderek karmaşıklaşan siber saldırılara karşı güvenliğin sağlanması zorunlu hale gelmiştir. Robotik sistemler, yalnızca ağ trafiği, paket yakalama dosyaları ve sistem günlükleri gibi siber verileri değil, aynı zamanda açısal hız ve pozisyon gibi fiziksel sensör verilerini de içerir. Bu siber-fiziksel verilerin füzyonu, yanlış pozitif ve negatif oranlarını azaltarak saldırı tespit performansını artırmaktadır. Ancak çok kaynaklı veriler arasındaki doğrusal olmayan ilişkilerin yakalanması önemli bir zorluktur. Bu çalışmada, bu zorluğun üstesinden gelmek için zenginleştirilmiş sorgu öz-dikkati (EQSA) içeren gelişmiş özellik tabanlı pozisyonel kodlama (IFPE)-Transformer modeli önerilmektedir. EQSA, standart çok başlıklı dikkat (MHA) mekanizmasından farklı olarak, sorgu vektörlerini öğrenilebilir vektör kodlamalarıyla zenginleştirerek farklı kaynaklardan gelen özelliklerin bağlam önemini daha iyi yakalar. Önerilen model, tekrar (replay) ve abone seli (subflood) saldırı senaryoları altında gerçek robotik ortamda değerlendirilmiştir. Siber, fiziksel ve siber-fiziksel veri füzyonu olmak üzere üç farklı deney yapısı kullanılmıştır. Karşılaştırmalı sonuçlar, IFPE-Transformer'ın özellikle füzyon verilerinde üstün performans sergilediğini ve karmaşık saldırı türlerini tespit etmede daha yüksek dayanıklılık gösterdiğini ortaya koymuştur.
Özet (Çeviri)
Nowadays, robotic systems play critical roles across fields such as industrial production, healthcare, autonomous vehicles, and precision assembly. However, a security breach in a robotic system can lead to operational disruptions and serious consequences that endanger human safety. Therefore, ensuring security against increasingly complex cyberattacks has become essential. Robotic systems contain not only cyber data, such as network traffic, packet capture files, and system logs, but also physical sensor data, such as angular velocity and position. The fusion of these cyber-physical data sources enhances attack detection performance by reducing false-positive and false-negative rates. However, capturing the nonlinear relationships between multi-source data remains a significant challenge. To address this issue, this study proposes an Improved Feature Positional Encoding (IFPE)-Transformer model enhanced with Enriched Query Self-Attention (EQSA). Unlike the standard Multi-Head Attention (MHA) mechanism, EQSA enriches query vectors with learnable vector encodings, enabling the model to capture contextual importance across different data sources better. The proposed model is evaluated in a real robotic environment under replay and subflood attack scenarios. Three experimental setups are considered: cyber data, physical data, and cyber-physical data fusion. Comparative results demonstrate that the IFPE-Transformer exhibits superior performance, particularly on fused data, and shows higher robustness in detecting complex types of attacks.
Benzer Tezler
- Otonom robotlar için pekiştirmeli öğrenme tabanlı dağıtık arıza teşhis sistemi
Reinforcement learning based distributed fault diagnosis system for autonomous robots
MAHMUT KASAP
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET YAZICI
DOÇ. DR. EYÜP ÇİNAR
- 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
Yönetim Bilişim Sistemleriİstanbul Nişantaşı ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEVİLAY UÇAR YÜZBAŞ
- Manipulation of visually recognized objects using deep learning
Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi
ERTUĞRUL BAYRAKTAR
Doktora
İngilizce
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR BOYRAZ
- Sanayide dijital dönüşüm ile sağlanan katkılar ve döküm sanayi'nde bir uygulama
Contributions made with digital transformation in industry and an application in casting industry
TUNAHAN GÜNAY
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiTekirdağ Namık Kemal ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL GÜVEN GÜLEN
- İş ve Sosyal Güvenlik Hukuku bakımından dijital platform çalışanlarının hukuki statüsü
Legal status of digital platform workers in terms of Labour and Social Security Law
HAZAL TOLU YILMAZ
Doktora
Türkçe
2022
Çalışma Ekonomisi ve Endüstri İlişkileriGalatasaray ÜniversitesiÖzel Hukuk Ana Bilim Dalı
PROF. DR. ENVER MURAT ENGİN