Siber güvenlik testleri için yapay zeka tabanlı sentetik ağ trafiği üretim yöntemlerinin iyileştirilmesi
Improvement of artificial intelligence-based synthetic network traffic generation methods for cybersecurity testing
- Tez No: 994486
- Danışmanlar: DR. ÖĞR. ÜYESİ ENİS KARAARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Siber tehditlerin karmaşıklığı artmaktadır. Bu tehditlere karşı geliştirilen Saldırı Tespit Sistemlerinin (IDS) başarısı, makine öğrenmesinde kullanılan eğitim verilerinin kalitesine bağlıdır. Ancak, gerçek dünya verilerinin kullanımı; yasal düzenlemeler (KVKK, GDPR), anonimleştirme zorlukları ve etiketli veri kıtlığı nedeniyle kısıtlıdır. Bu tez çalışması, sentetik ağ trafiği üretiminde karşılaşılan hız ve kalite dengesini sağlamayı hedeflemektedir. Çalışma kapsamında, Üretken Çekişmeli Ağlar (GAN), Varyasyonel Otokodlayıcılar (VAE) ve Difüzyon Modelleri (DDPM); CICIDS2017 ve UNSW-NB15 veri setleri üzerinde analiz edilmiştir. Mevcut yöntemlerin hesaplama maliyeti ve mod çökmesi sorunlarına çözüm olarak, VAE'nin anlamsal sıkıştırma yeteneğini Transformatör tabanlı Latent Difüzyon ile birleştiren özgün bir“NAT-VAEv6”mimarisi geliştirilmiştir. Deneysel sonuçlar, önerilen modelin eğitim süresini yaygın kullanılan difüzyon modellerine kıyasla %93 oranında azalttığını göstermiştir. Üretilen sentetik verilerle eğitilen IDS modelleri, saldırı imzalarının yapısal bütünlüğünün ve karar sınırlarının başarıyla korunması sayesinde, gerçek veriye kıyasla sıfır fayda kaybı (Zero Utility Loss) ile 1.00 F1 skoru elde etmiştir. Ayrıca, veri karmaşıklığı arttıkça modelin mahremiyet koruma kapasitesinin (DCR) arttığı“Karmaşıklık-Mahremiyet Paradoksu”deneysel olarak ortaya konulmuştur.
Özet (Çeviri)
The complexity of cyber threats is increasing. The success of Intrusion Detection Systems (IDS) developed against these threats depends on the quality of the training data. However, the use of real-world data is restricted due to legal regulations (KVKK, GDPR), anonymization challenges, and the scarcity of labeled data. This thesis aims to overcome the“speed-quality”trade-off encountered in synthetic network traffic generation. Within the scope of the study, Generative Adversarial Networks (GANs), Variational Autoencoders (VAEs), and Diffusion Models (DDPM) were analyzed on CICIDS2017 and UNSW-NB15 datasets. To address the computational costs and mode collapse issues of existing methods, a novel“NAT-VAEv6”architecture combining VAE's semantic compression capability with Transformer-based Latent Diffusion was developed. Experimental results showed that the proposed model reduced training time by 93compared to commonly used diffusion models. IDS models trained with the generated synthetic data achieved a 1.00 F1 score with zero utility loss compared to real data, thanks to the successful preservation of the structural integrity and decision boundaries of attack signatures. Furthermore, the“Complexity-Privacy Paradox,”where the model's privacy protection capacity (DCR) increases as data complexity rises, was experimentally demonstrated.
Benzer Tezler
- A smart intrusion detection systemagainst cyber attacks in unmanned aerial vehicles
İnsansız hava araçlarında siber saldırılara karşıakıllı saldırı tespit sistemi
BURCU SÖNMEZ SARIKAYA
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- Yapay zekâ destekli malware başlatıcısı aımal
Artificially intelligent malware launcher - aimal
ENDRİT SHAQİRİ
Yüksek Lisans
İngilizce
2026
İstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Ağ trafiğinin analizi, anomali tespiti ve değerlendirme
Analysis of network traffic, anomaly detection and evaluation
AKIN ASLAN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Ai-based optimization of blockchain protocols for cybersecurity in iot systems in medium-sized organizations
Orta ölçekli kuruluşlarda ıot sistemlerinde siber güvenlik için yapay zeka tabanlı blok zinciri protokol optimizasyonu
KHALIFA EHFAYED KHALIFA SHNEINA
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS
- Yazılım tanımlı ağların güvenliği için yapay zekâ tabanlı bir yaklaşım
An artificial intelligence based approach for the security of software defined networks
MUHAMMET FATİH AKBAŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ CENGİZ GÜNGÖR
DR. ÖĞR. ÜYESİ ENİS KARAARSLAN