Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: Sami YARAŞ
Danışman: Murat Dener
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
IoT'de kurulan ağların karşılaşabileceği en büyük tehlikelerin başında kötücül saldırılar gelmektedir. Bu saldırılardan en çok karşılaşılan saldırı ise DDoS ataklarıdır. Saldırılar sonrasında ağın haberleşme trafiği engellenebilir, sensör düğümlerin enerjisi hızlıca azabilir. Bu yüzden, oluşan saldırıların tespit edilmesi büyük önem taşımaktadır. Kurulan ağ içerisinde birçok sensör düğüm olduğu düşünüldüğünde oluşan ağ trafik datası geleneksel yöntemlerle analiz edilmesi imkânsız hale gelebilmektedir. Ağdaki bu trafiğin büyük veri ortamında analiz edilmesi gerekmektedir. Bu çalışmada, elde edilen ağ trafik veri setinin büyük veri ortamında analiz edilmesi ve oluşturulan derin öğrenme algoritması ile ağda meydana gelen saldırıların tespit edilmesi amaçlanmaktadır. Bu çalışma, Google Colaboratory (Colab) ortamında PySpark ile Apache Spark kullanılarak gerçekleştirilmiştir. Çalışmada Keras ve Scikit-Learn kütüphaneleri kullanılmıştır. Modelin eğitiminde ve test edilmesinde 'CICIoT2023' ve 'TON_IoT' verisetleri kullanılmıştır. Verisetlerindeki özellikler korelasyon yöntemi kullanılarak azaltılmış, önemli özelliklerin testlere dahil edilmesi sağlanmıştır. Bir boyutlu CNN ve LSTM kullanılarak oluşturulan hibrit bir Derin Öğrenme Algoritması tasarlanmıştır. Geliştirilen yöntem, 10 farklı makine öğrenmesi ve derin öğrenme algoritmalarıyla karşılaştırılmıştır. Geliştirilen model Doğruluk, Kesinlik, Geri çağırma ve F1 parametreleri kullanılarak değerlendirilmiştir. Yapılan çalışma sonrasında, 'CICIoT2023' veri setinde binary sınıflandırma olarak %99,995 ve çoklu sınıflandırma olarak ise %99,96 doğruluk oranına ulaşılmıştır. 'TON_IoT' veri setinde ise binary sınıflandırma başarısında %98,75'e ulaşılmıştır.
Anahtar Kelimeler : Büyük Veri, Anamoli Tespit Sistemleri, Derin Öğrenme, Makine Öğrenimi, IoT, DDoS, CICIoT2023, TON_IOT