Derin Öğrenme Yöntemleri Kullanılarak Kimlik Avı Saldırıları Denetimi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, -, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: ÖZNUR ŞİFA AKÇAM
Danışman: Adem Tekerek
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kimlik avı saldırıları, bilgi sistemlerindeki güvenlik açıklarını istismar ederek önemli bilgilerin ele geçirilmesini sağlar. Bu tez çalışması, URL tabanlı kimlik avı saldırılarını tespit etmeyi amaçlamıştır. Bu amaç doğrultusunda, karakter ve kelime tabanlı öznitelik çıkarımı kullanan bir derin öğrenme modeli geliştirilmiştir. Geliştirilen model, URL adreslerini kimlik avı/oltalama (phishing) ve yasal (legitimate) şeklinde sınıflandırmıştır. Önerilen modelde Çift Yönlü Uzun Kısa Süreli Bellek (BiLSTM) algoritması kullanılmıştır. Modelin geliştirilme sürecinde GramBeddings, Malicious and Benign URLs ve Ebbu2017 Phishing veri setleri üzerinde deneyler gerçekleştirilmiş; çapraz doğrulama performansı ise Mendeley Data Web Page Phishing Detection veri seti ile değerlendirilmiştir. Elde edilen deneysel bulgular, modelin yüksek doğruluk oranlarına sahip olduğunu göstermiştir. GramBeddings veri setinde %98,24 doğruluk ve 0,9977 AUC, Malicious and Benign URLs veri setinde %99,32 doğruluk ve 0,9986 AUC, Ebbu2017 Phishing veri setinde %98,34 doğruluk ve 0,9981 AUC, Mendeley Data Web Page Phishing Detection veri setinde ise %90,33 doğruluk ve 0,9694 AUC elde edilmiştir. Modelin benzersizliği, URL'lerin karakter tabanlı çıkarımlar ile yapısal desenlerini analiz etmesi ve kelime tabanlı çıkarımlar ile bağlamsal anlamlarını değerlendirmesidir. Bu sayede, yapısal ve anlamsal öznitelikler bir araya getirilerek güçlü ve ayrıntılı bir temsil sağlanmıştır. Birden fazla veri seti ile gerçekleştirilen deneyler, modelin yüksek doğruluk ve AUC skorları ile üstün kimlik avı tespit yeteneklerini ortaya koyduğunu göstermiştir. Ayrıca, manuel özellik çıkarımı ve uzman müdahalesine ihtiyaç duymadan, tamamen otomatik ve dil bağımsız bir sınıflandırma yaklaşımı sunulmuştur. Modelin, kısaltılmış URL'ler de dahil olmak üzere farklı URL türlerini tespit edebilmesi, sağlamlık ve esneklik açısından önemli bir avantaj sağlamıştır. Bu çalışma, yapısal ve anlamsal analizleri birleştirerek güçlü, bağımsız ve güvenilir bir kimlik avı tespit modeli ortaya koymuştur. Elde edilen bulgular, önerilen yaklaşımın siber güvenlik alanında etkili bir çözüm sunduğunu ve kimlik avı saldırılarının tespitinde yüksek performans gösterdiğini kanıtlar niteliktedir.