Bilgisayar ağlarında yeni geliştirilen teknolojiler ile kablosuz ağlarda zafiyet taraması ve saldırı önleme yöntemlerinin incelenmesi
Investigation of vulnerability scanning and attack prevention methods in wireless networks with newly developed technologies
- Tez No: 995425
- Danışmanlar: DOÇ. DR. UĞUR ERKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Makine öğrenmesi tabanlı kablosuz ağ saldırı tespit yöntemleri çoğunlukla yüksek hesaplama maliyeti olan modellere dayanmaktadır ve saha koşullarında görülen gürültü ile trafik değişkenliğini yeterince modellememektedir. Bu tez çalışması, modern kablosuz ağlarda (WPA2-Enterprise, 802.11w) karşılaşılan karmaşık güvenlik tehditlerine yönelik olarak, kaynak kısıtlı uç cihazlara (IoT, Edge Gateway) entegre edilebilen gerçek zamanlı ve hibrit bir Saldırı Tespit Sistemi (Intrusion Detection System-IDS) mimarisi sunmaktadır. Bu kapsamda, AWID3 veri seti temel alınarak gürültüye dayanıklı bilgi damıtma ve açıklanabilir yapay zekâ (XAI) bileşenlerini birleştiren özgün bir yaklaşım geliştirilmiştir. Geliştirilen sistem tasarımında, yüksek temsil gücüne sahip XGBoost tabanlı bir öğretmen modelin oluşturduğu karar fonksiyonu, bilgi damıtma çerçevesinde daha düşük karmaşıklığa sahip Karar Ağacı tabanlı bir öğrenci modele aktarılmıştır. Bu aktarım sürecinde, öğretmen modelin sınıf olasılık dağılımları ve sınıflandırma davranışını yansıtan yumuşatılmış çıktıları hedef alınarak, öğrenci modelin yalnızca nihai etiketleri değil, aynı zamanda öğretmenin ayrımcı sınırlarını belirleyen gömülü örüntüleri de temsil etmesi amaçlanmıştır. Dayanıklılık değerlendirmesinin deneysel geçerliliğini artırmak ve laboratuvar ortamı ile saha koşulları arasındaki dağılım kaymasını azaltmak amacıyla, test verisi kontrollü bozunum senaryoları altında yeniden üretilmiştir. Bu kapsamda, sinyal seviyesinde gürültü bileşenleri ve iletim katmanına karşılık gelen bit hata etkileri parametrik olarak enjekte edilmiş, farklı bozunum şiddetlerinde model performansındaki azalma nicel metriklerle izlenmiştir. Böylece, önerilen yaklaşımın yalnızca temiz veri koşullarında değil, kanal bozunumlarının ve ölçüm gürültüsünün baskın olduğu gerçekçi işletim ortamlarında da kararlılığı sistematik biçimde analiz edilmiştir. Elde edilen deneysel bulgular, öğrenci modelin gürültülü koşullar altında dahi öğretmen model performansının %90,34'ünü koruyabildiğini göstermektedir. Bununla birlikte, bilgi damıtma ile model karmaşıklığının azaltılması sonucunda model boyutu 10,7 MB'tan 0,04 MB'a indirgenmiş ve böylece bellek/depolama gereksinimleri ile hesaplama yükünde belirgin bir azalma sağlanmıştır. Saldırı türü bazlı değerlendirmelerde, KRACK ve Rogue AP gibi güvenlik açısından kritik senaryolarda %95 yakalama oranına ulaşılması, yöntemin yalnızca genel doğruluk düzeyi açısından değil, yüksek riskli saldırı sınıflarında da etkin biçimde çalıştığını ortaya koymaktadır. Sonuç olarak önerilen yaklaşım, sınırlı kaynaklara sahip uç ortamlarda uygulanabilirliği artırırken doğruluk kaybını kontrol altında tutan, gerçek zamanlı işletim gereksinimleri ile sürdürülebilir siber güvenlik hedeflerini birlikte karşılayan bütünleşik bir IDS çözümü sunmaktadır.
Özet (Çeviri)
Machine learning-based wireless network intrusion detection methods predominantly rely on models with high computational costs and often fail to adequately model the noise and traffic variability encountered in real-world field conditions. This thesis presents a real-time, hybrid Intrusion Detection System (IDS) architecture capable of integration into resource-constrained edge devices (e.g., IoT, Edge Gateways) to address the complex security threats encountered in modern wireless networks (such as WPA2-Enterprise and 802.11w). In this context, a novel approach combining noise-robust Knowledge Distillation and Explainable AI (XAI) components has been developed, utilizing the AWID3 dataset as a baseline. In the proposed system design, the decision function generated by a high-representation XGBoost-based teacher model is transferred to a lower-complexity Decision Tree-based student model within a knowledge distillation framework. During this transfer process, by targeting the smoothed outputs that reflect the teacher model's class probability distributions and classification behavior, the aim was to enable the student model to represent not only the final labels but also the embedded patterns that define the teacher's discriminative boundaries. To enhance the experimental validity of the robustness evaluation and mitigate the distribution shift between laboratory environments and field conditions, the test data was reproduced under controlled degradation scenarios. Accordingly, signal-level noise components and bit error effects corresponding to the transmission layer were parametrically injected, and the degradation in model performance across varying intensities was monitored using quantitative metrics. Thus, the stability of the proposed approach was systematically analyzed not only under clean data conditions but also in realistic operating environments dominated by channel impairments and measurement noise. Experimental findings indicate that the student model retains 90.34% of the teacher model's performance even under noisy conditions. Furthermore, as a result of reducing model complexity via knowledge distillation, the model size was reduced from 10.7 MB to 0.04 MB, achieving a significant reduction in memory/storage requirements and computational load. In attack-type-based evaluations, achieving a detection rate of 95% in security-critical scenarios such as KRACK and Rogue AP demonstrates that the method operates effectively not only in terms of general accuracy but also within high-risk attack classes. Consequently, the proposed approach offers an integrated IDS solution that enhances applicability in resource-constrained edge environments while keeping accuracy loss under control, thereby simultaneously meeting real-time operational requirements and sustainable cybersecurity goals.
Benzer Tezler
- A software defined network framework in 5G wireless systems
5G kablosuz sistemlerde yazılım temelli ağ iskeleti
GÖKHAN SEÇİNTİ
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK
- Smart spreading factor assignment for lorawans
Lorawan'lar için akıllı yayılma faktörü ataması
TUĞRUL YATAĞAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- Gelecek nesil pasif optik erişim ağlarının analizi
Analysis of next generation passive optical access networks
ÖZGÜR CAN TURNA
Doktora
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜLHALİM ZAİM
PROF. DR. TÜLİN ATMACA
- IETF 6TiSCH ağlar için q-öğrenme algoritmasından esinlenilmiş amaç fonksiyonu optimizasyonu
Q-learning algorithm inspired objective function optimization for IETF 6TiSCH networks
TAYFUN BEKAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDAT GÖRMÜŞ
- Employing digital twin to LoRa based forest fire management systems
LoRa'ya dayalı orman yangını yönetim sistemlerine dijital ikiz uygulanması
BUĞRA AYDIN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ