Otonom araçlarda DDoS saldırıların engellenmesi için yapay zeka destekli saldırı tespit sistemin geliştirilmesi
Development of artificial intelligence supported intrusion detection system for DDoS attack prevention in autonomous vehicles
- Tez No: 992554
- Danışmanlar: DOÇ. DR. AHMET ALİ SÜZEN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Otonom araçlar, CAN bus, DDoS saldırıları, saldırı tespit sistemi, makine öğrenmesi, derin öğrenme, CAN bus, DDoS attacks, intrusion detection system, artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında otonom araçlarda kullanılan araç içi iletişim altyapılarının güvenliğini artırmaya yönelik olarak yapay zekâ destekli bir saldırı tespit sistemi geliştirilmiştir. Özellikle Controller Area Network (CAN bus) protokolünün tasarım gereği güvenlik mekanizmalarından yoksun olması, bu altyapıyı Dağıtık Hizmet Engelleme (DDoS) saldırılarına karşı savunmasız hale getirmektedir. Bu durum, otonom araç sistemlerinde ciddi güvenlik risklerinin ortaya çıkmasına neden olabilmektedir. Çalışma kapsamında, CAN bus ağı üzerinde gerçekleşebilecek DDoS saldırılarının tespiti amacıyla Extra Trees, Rastgele Orman, Histogram Tabanlı Gradient Boosting (HistGradientBoosting), Derin Sinir Ağı (DSA) ve 1D-Konvolüsyonel Sinir Ağı (1D-KSA) olmak üzere farklı makine öğrenmesi ve derin öğrenme tabanlı modeller tasarlanmış ve karşılaştırmalı olarak değerlendirilmiştir. Modellerin performansı doğruluk, hassasiyet, duyarlılık ve F1-skoru gibi sınıflandırma metriklerinin yanı sıra karışıklık matrisi ve ROC eğrileri kullanılarak analiz edilmiştir. Buna ek olarak geliştirilen sistemin gerçek zamanlı uygulanabilirliğini değerlendirmek amacıyla modellerin tahmin süreleri ölçülmüş ve toplam saldırı tespit gecikmesi milisaniye cinsinden hesaplanmıştır. Elde edilen deneysel sonuçlar HistGradientBoosting ve 1D-KSA modellerinin DDoS saldırılarını yaklaşık 10–15 ms aralığında tespit edebildiğini göstermektedir. Bu bulgu önerilen yaklaşımın gerçek zamanlı otonom araç ortamlarında uygulanabilir olduğunu ortaya koymaktadır.
Özet (Çeviri)
In this thesis study an artificial intelligence–based intrusion detection system is developed to enhance the security of in-vehicle communication infrastructures used in autonomous vehicles. The Controller Area Network (CAN bus) protocol, which is widely employed in autonomous vehicle systems, lacks built-in security mechanisms by design and is therefore vulnerable to Distributed Denial of Service (DDoS) attacks. This vulnerability may lead to serious security risks in autonomous driving environments. Within the scope of the study, various machine learning and deep learning–based models, including Extra Trees, Random Forest, Histogram-Based Gradient Boosting, Deep Neural Network (DNN), and One-Dimensional Convolutional Neural Network (1D-CNN), are designed and evaluated comparatively for the detection of DDoS attacks on the CAN bus network. The performance of the proposed models is analyzed using classification metrics such as accuracy, precision, recall, and F1-score, as well as confusion matrices and ROC curves. In addition, to evaluate the real-time applicability of the proposed system, the inference times of the models are measured and the total attack detection latency is calculated in milliseconds. Experimental results demonstrate that the Histogram-Based Gradient Boosting and 1D-CNN models are capable of detecting DDoS attacks within approximately 10–15 ms, indicating that the proposed approach is suitable for real-time deployment in autonomous vehicle environments.
Benzer Tezler
- Otonom araçlarda kullanılan görsel seyir sistemleri için yeni bir yaklaşım
A new approach to visual navigation systems for autonomous vehicles
MURAT PEKER
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiNiğde ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FUAT KARAKAYA
- Otonom araçlarda eş zamanlı lokasyon ve haritalandırma ile genetik algoritma kullanılarak optimum yol seçimi
Optimal road selection by using genetic algorithm and simultaneous location and mapping in autonomous vehicles
MERVE NUR DEMİR
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiDüzce ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF ALTUN
- Otonom araçlarda fren kararı tahmini için dikkat mekanizması geliştirilmesi
An attention mechanism for brake decision prediction in autonomous vehicles
EKREM AKSOY
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET YAZICI
- Otonom araçlarda clothoid tabanlı lineer zamanla değişen model öngörülü kontrol
Clothoid based linear time varying model predictive control in autonomous vehicles
MUSTAFA CANER SEZER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. AFİFE LEYLA GÖREN
- Otonom araçlarda şerit takip ve kontrol sisteminin makine öğrenmesi kullanılarak geliştirilmesi
Development of lane following and control system in autonomous vehicles using machine learning
FATMA NUR ORTATAŞ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYozgat Bozok ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH ÇETİN