Mitre att&ck çerçevesini kullanan makine öğrenmesi tabanlı siber saldırı sınıflandırma modeli
Machine learning-based cyber attack classification model using mitre att&ck framework
- Tez No: 984199
- Danışmanlar: DOÇ. DR. ÜMİT ATİLA
- 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: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yeni teknolojilerin geliştirilmesi ve yaygın olarak kullanılmaya başlanması, siber saldırıların artmasına neden olmaktadır. Bu teknolojiler daha erişilebilir ve birbirine bağlı hale geldikçe, kötü niyetli aktörler için güvenlik açıklarını istismar etme olanakları da genişlemektedir. Geleneksel yöntemler, genellikle imza tabanlı çalıştıkları için yeni siber saldırıları tespit etmede yetersiz kalmaktadır. Güncel ve karmaşık saldırıların tespiti için yeni ve güncel çözümler kullanmak gerekmektedir. Son zamanlarda popüler hale gelen makine öğrenmesi ve ilgili konseptler, siber güvenlik alanında da geniş bir uygulama alanı bulmaktadır. Bu kavramlar; anomali tespiti, zararlı yazılım analizi, saldırı tahmini ve saldırı sınıflandırması gibi siber güvenlik süreçlerini sürdürmek için kullanılmaktadır. Bu çalışmada, uç nokta saldırı loglarının sınıflandırılmasında makine öğrenmesi, derin öğrenme ve transformer modellerin performanslarını değerlendirmek amacıyla kapsamlı bir karşılaştırma yapılmıştır. Çalışmada kullanılan veri seti, çeşitli uç nokta saldırı senaryolarının gerçekleştirilmesi sırasında oluşturulan sysmon loglarının toplanmasıyla elde edilmiştir. Bu loglar, model eğitimi için kullanılmadan önce ilk olarak zararlı ya da zararsız olarak sınıflandırılmış, ardından MITRE ATT&CK çerçevesindeki taktiklere göre daha detaylı olarak kategorize edilmiştir. Bulgular, test edilen modeller arasında transformer tabanlı RoBERTa modelinin, %88,79 doğruluk oranı ve uç nokta saldırı loglarındaki desenleri tanıma konusundaki dikkate değer başarısıyla taktik sınıflandırmasında en iyi performansı gösterdiğini ortaya koymuştur. Logların zararlı ya da zararsız olarak ikili sınıflandırmasında ise en başarılı model %99,47 doğruluk oranı ile KNN olmuştur. Bu sonuçlar, saldırı yapılarının tespit ve sınıflandırılmasında modellerin etkinliğini göstermekte ve uç nokta güvenlik önlemlerinin geliştirilmesine yönelik değerli sonuçlar sunmaktadır.
Özet (Çeviri)
The development and widespread use of new technologies have led to an increase in cyberattacks. As these technologies become more accessible and interconnected, they create expanded opportunities for malicious actors to exploit vulnerabilities. Traditional methods are insufficient to detect new cyber-attacks because these methods generally rely on signatures. It is necessary to use new and up-to-date solutions to detect current and complex attacks. Machine learning and related concepts, which have become popular recently, also find wide application in cyber security. These concepts are used to solve cyber security tasks such as anomaly detection, malware analysis, attack prediction and attack classification. In this study, a comprehensive comparison of machine learning, deep learning, and transformer models was conducted to evaluate their performances in the classification of endpoint attack logs. The dataset used in the study was obtained by collecting the sysmon logs generated during a series of endpoint attack scenarios. These logs were first classified as either malicious or benign, and then further categorized according to the tactics in the MITRE ATT&CK Framework for use in model training. The findings demonstrated that among the models tested, the NLP model RoBERTa achieved the best performance in tactic classification, with an accuracy of 88.79% and a notable ability to recognize patterns in endpoint attack logs. In the binary classification of logs as malicious or benign, the best-performing model was KNN, achieving an accuracy of 99.47%. These results highlight the model's effectiveness in detecting and classifying attack patterns, offering valuable insights for enhancing endpoint security measures.
Benzer Tezler
- Siber açıkların tespit edilmesi amacıyla bir uygulamanın geliştirilmesi ve siber saldırı senaryolarının incelenmesi: Türkiye örneği
Development of an application for the detection of cyber vulnerabilities and examination of cyber attack scenarios: The case of Turkiye
MEHMET ALİ TEKELİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
DOÇ. DR. EMRE AVUÇLU
- APT kaynaklı ataklara karşı dayanıklı etmen tabanlı ve ontolojik veri sızıntısı önleme sistemi
Agent based and ontological data leakage prevention system against advanced persistent threats
EMRAH KAYA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÖZÇELİK
- Linux platformunda MITRE ATT&CK matrisi kullanarak saldırı planlama ve uygulama
Attack planning and execution using MITRE ATT&CK matrix on linux platform
SUAT TOKSÖZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METİN TURAN
- Fidye saldırılarının engellenmesi için Mitre ATAK matrisi tabanlı siber ölüm zincir modelinin geliştirilmesi
Development of a cyber kill chain model based on the Mitre ATT&CK matrix for ransomware attack prevention
BETÜL DEMİR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTUĞ BOYACI
- Ethercat tabanlı içme suyu sistemi üzerinde MITRE ICS saldırı simülasyonu ve tespiti
MITRE ICS simulation and intrusion detection on ethercat based drinking water system
FİRDEVS SEVDE TOKER
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÖZÇELİK