Nesnelerin interneti ağ altyapısı güvenliği tasarım mimari önerisi
Internet of things network infrastructure security design architecture proposal
- Tez No: 997820
- Danışmanlar: PROF. ARAL EGE
- Tez Türü: Doktora
- Konular: Yönetim Bilişim Sistemleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Management Information Systems, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Alan uyarlaması, Derin öğrenme, Makine öğrenmesi, Nesnelerin interneti, Topluluk öğrenme, Transfer öğrenimi, Domain adaptation, Deep learning, Machine learning, Internet of things, Ensemble learning, Transfer learning
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ufuk Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, Endüstriyel Nesnelerin İnterneti ağ altyapılarında meydana gelebilecek ağ tabanlı saldırıların çözümüne ilişkin atak tespit sisteminin geliştirilmesi hedeflenmiştir. Atak tahmin sonuçları makine öğrenmesi ve derin öğrenme algoritmaları kullanılarak elde edilmiştir. Eğitim aşamasında CICIoT2023 veri seti kullanılmıştır. İlgili veri seti IoT cihazlarına siber ataklar uygulanarak oluşturulmuştur, veri seti içerisinde siber ataklar gruplara bölünerek kategorize edilmiştir ve yüksek örneklem sayısına sahiptir. Test aşamasında endüstriyel üretim ortamında oluşturulan RSIoT veri seti kullanılmıştır, ilgili veri seti normal ve atak trafiklerinden oluşturularak siber atak tipleri kategorize edilmiştir. Ayrıca bu tezde, atak tiplerinin sınıflandırılmasını içeren çok sınıflı atak tipi tahmini sınıflandırılması da incelenmiştir. Öznitelik seçimi teknikleri, veri kümesine ait olan ilgisiz öznitelikleri azaltmak için kullanılmıştır. Dengesiz sınıf türlerinin veri seti içerisinde dengeli hale getirilmesi amacıyla ADASYN ve SMOTE algoritmaları örneklem üretmek için kullanılmıştır. Eğitim verilerinden öğrenilen korelasyonların farklı test veri seti üzerinde test edilebilmesi amacıyla transfer öğrenme teknikleri kullanılmıştır. Tahmin sonuçları hesaplanırken makine öğrenmesi ve derin öğrenme algoritmaları, bireysel ve topluluk öğrenmesi teknikleriyle sınıflandırmada kullanılmıştır. LSTM ve DNN algoritmalarının beraber kullanımı, veri kümesine uygulandığında diğer sınıflandırıcılara göre yüksek sonuçlar elde etmiştir.
Özet (Çeviri)
This thesis aims to develop an intrusion detection system to address network-based attacks that may occur on Industrial Internet of Things network infrastructures. Attack prediction results were obtained using machine learning and deep learning algorithms. The CICIoT2023 dataset was used in the training phase. The dataset was created by applying cyber attacks to IoT devices, and within the dataset, cyber attacks were categorized by dividing them into groups with a large amount of sample size. The RSIoT dataset, created in an industrial production environment, was used in the testing phase. The dataset was composed of normal and attack traffic, and cyber attack types were categorized. In addition, this thesis also examines multi-class attack type prediction, which involves classifying attack types. Feature selection techniques were used to reduce irrelevant features in the dataset. ADASYN and SMOTE algorithms were used to generate samples to balance imbalanced class types within the dataset. Transfer learning techniques were used to test the correlations learned from the training data on different test datasets. Machine learning and deep learning algorithms were used for classification using transfer and ensemble learning techniques when calculating the prediction results. The combined use of LSTM and DNN algorithms achieved superior results compared to other classifiers when applied to the dataset.
Benzer Tezler
- Development and formal verification of a new secure provisioning scheme for IoT networks
IoTağları için yeni bir güvenli önyükleme şeması geliştirilmesi ve biçimsel olarak doğrulaması
İLKER YAVUZ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Implementation of data-driven decisions in urban governance and planning
Kent yönetişim ve planlamasında veri odaklı kararların uygulanması
JAFAR NAJAFLI
Yüksek Lisans
İngilizce
2020
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ÖZHAN ERTEKİN
- System design for internet of things and network coding applications in the wireless personal area networks
Nesnelerin interneti için sistem tasarımı ve kablosuz kişisel alan ağlarında ağ kodlama uygulamaları
GÖRKEM ÖZVURAL
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNEŞ KARABULUT KURT
- Dimensional evaluation of retrofitting smart cities: The historical peninsula case
Uyarlanmış akıllı şehirlerin farklı boyutlarıyla incelenmesi: Tarihi yarımada örneği
BURAK BELLİ
Yüksek Lisans
İngilizce
2019
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
DOÇ. DR. TURGAY KEREM KORAMAZ
- Nesnelerin interneti için güvenli ağ geçidi tasarımı
Secure gateway design for internet of things
SİNAN DİVARCI
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZHAN URHAN