Derin öğrenme yöntemleri ile siber saldırıların tespıtı
Detecttion of cyber attacks using deep learning methods
- Tez No: 998575
- Danışmanlar: PROF. DR. RECEP ERYİĞİT
- 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: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilgisayar ağlarının yaygınlaşmasıyla birlikte Dağıtık Hizmet Reddi (DDoS) saldırıları, bilgi sistemleri için ciddi bir tehdit haline gelmiştir. Bu saldırılar, hedef sistemlerin bant genişliğini ve kaynaklarını tüketerek hizmet veremez duruma gelmesine neden olmaktadır. Geleneksel imza tabanlı saldırı tespit sistemleri, yeni ve bilinmeyen saldırı türleri karşısında yetersiz kalabilmektedir. Bu nedenle, makine öğrenmesi ve derin öğrenme tabanlı yöntemler son yıllarda saldırı tespitinde ön plana çıkmıştır. Bu tez çalışmasında, CIC-DDoS2019 veri seti kullanılarak SYN-Flood ve UDP-Flood DDoS saldırılarının tespiti için derin öğrenme tabanlı bir saldırı tespit sistemi geliştirilmiştir. Veri setinde bulunan ciddi sınıf dengesizliği problemi, Üretici Çekişmeli Ağlar (GAN) kullanılarak giderilmiştir. GAN ile yalnızca eğitim verisi üzerinde sentetik örnekler üretilmiş, test verisi orijinal dağılımı korunarak değerlendirme yapılmıştır. Sınıflandırma modeli olarak Çok Katmanlı Algılayıcı (MLP) kullanılmıştır. GAN destekli veri artırma sonrası modelin doğruluk, F1-skor ve ROC-AUC değerlerinde belirgin artışlar gözlemlenmiştir. Elde edilen sonuçlar, GAN tabanlı veri artırmanın DDoS saldırı tespitinde özellikle azınlık sınıflar için model performansını önemli ölçüde iyileştirdiğini göstermektedir.
Özet (Çeviri)
With the widespread use of computer networks, Distributed Denial of Service (DDoS) attacks have become one of the most serious threats to information systems. These attacks aim to exhaust the bandwidth and resources of target systems, making services unavailable to legitimate users. Traditional signature-based intrusion detection systems often fail to detect novel and complex attack patterns, which has increased interest in machine learning and deep learning-based approaches. In this thesis, a deep learning-based intrusion detection system is proposed for detecting SYN- Flood and UDP-Flood DDoS attacks using the CIC-DDoS2019 dataset. A significant class imbalance problem in the dataset is addressed using Generative Adversarial Networks (GAN) for synthetic data generation. Synthetic samples are generated only on the training dataset, while the test dataset remains unchanged to ensure fair performance evaluation. A Multi-Layer Perceptron (MLP) classifier is employed for attack detection. Experimental results demonstrate that GAN-based data augmentation significantly improves classification performance, particularly for minority classes, in terms of accuracy, F1 score, and ROC-AUC metrics. The findings confirm the effectiveness of GAN-supported data augmentation in DDoS attack detection tasks.
Benzer Tezler
- Ddos ataklarının derin öğrenme yöntemleri ile tespiti
Detection of ddos attacks with deep learning methods
SABAHAT SÜMEYYE GÜÇLÜ
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriKto Karatay ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÖZTÜRK
- SCADA sistemlerinde dağıtık hizmet dışı bırakma saldırılarının derin öğrenme ve makine öğrenmesi yöntemleri ile tespiti
Detection of distributed denial of service attacks in SCADA systems with deep learning and machine learning methods
EBRU YAĞMUR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HALİFE KODAZ
- Sensor based cyber attack detections in critical infrastructures using deep learning algorithms
Kritik altyapılarda sensör tabanlı veri kontrolü ile derin ögrenme algoritmaları kullanılarak siber saldırı tespiti
MURAT YILMAZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ENSAR GÜL
DR. FERHAT ÖZGÜR ÇATAK
- Graf ve karekod yöntemleriyle dönüştürülmüş log kayıtları üzerinde derin öğrenme tabanlı siber saldırı tespiti
Deep learning-based cyber attack dedection on encoded log by graph and qr code methods
YUSUF ALACA
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÇELİK
- Siber saldırıların tespitinde yapay zekâ tabanlı algoritma tasarımı
Ai-based algorithm design in detection of cyber attacks
AHMET NUSRET ÖZALP
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAFER ALBAYRAK