Kritik altyapılardaki potansiyel siber saldırıların tespitine yönelik yapay zeka tabanlı bir algoritma geliştirilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, -, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: MEHMET AKİF ÖZGÜL
Danışman: Şevki Demirbaş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kritik altyapılarda kullanılan Denetleyici Kontrol ve Veri Toplama (Supervisory Control and Data Acquisition – SCADA) sistemleri, günümüzde giderek karmaşıklaşan ve sürekli evrilen siber tehditler karşısında savunmasız kalmakta ve bu durum, ulusal güvenliği riske atabilecek düzeyde ciddi tehditler doğurabilmektedir. Bu çalışma, SCADA sistemlerine yönelik gerçekleştirilebilecek siber saldırıların erken aşamada ve güvenilir biçimde tespitine olanak tanıyan yapay zekâ tabanlı bir yaklaşım geliştirmeyi amaçlamaktadır. Çalışma kapsamında, bir hidroelektrik santralin SCADA haberleşme mimarisinin ölçeklendirilmiş bir modeli fiziksel olarak tasarlanmış ve bu yapıya uygun bir test ortamı oluşturulmuştur. Bu test ortamına, SCADA sisteminin kontrolü ve süreçlerin izlenmesini sağlamak amacıyla, saldırısız durum senaryosuna ek olarak; veri bütünlüğünü bozmayı hedefleyen Ortadaki Adam (Man-in-the-Middle – MITM), sistem kaynaklarını tüketmeye yönelik Hizmet Engelleme (Denial of Service – DoS) ve kontrol komutlarının dışarıdan müdahaleyle değiştirilmesini amaçlayan Komut Enjeksiyonu (Command Injection) olmak üzere yerel ağ üzerinden üç farklı siber saldırı senaryosu uygulanmıştır. Sistemin çalışması için oluşturulan proses sürekli modda çalışırken siber saldırı testleri gerçekleştirilmiştir. Senaryoların uygulanması sonucunda oluşan ağ trafiği, Wireshark aracı kullanılarak kaydedilmiş; ardından veri ön işleme adımları gerçekleştirilerek, bu çalışmaya özgü olarak oluşturulmuş etiketli bir veri seti elde edilmiştir. Senaryolar sonucunda elde edilen veri seti üzerinde, K-En Yakın Komşu (K-Nearest Neighbors – KNN), Naive Bayes (NB), Karar Ağacı (Decision Tree – DT) ve Lojistik Regresyon (Logistic Regression – LR) gibi temel makine öğrenmesi algoritmalarının yanı sıra, bu yöntemlerin ikili ve üçlü hibrit kombinasyonları da uygulanmıştır. Gerçekleştirilen analizler sonucunda, Karar Ağacı ve Lojistik Regresyon algoritmalarının birleşimiyle oluşturulan hibrit model, %98,29 doğruluk oranı ve 0,998 Eğri Altındaki Alan (Area Under the Curve – AUC) değeri ile en başarılı performansı göstermiştir. Elde edilen bulgular, geliştirilen modelin yalnızca saldırıların varlığını tespit etmekle kalmayıp farklı saldırı türlerini de yüksek doğrulukla sınıflandırabildiğini ve bu yönüyle SCADA sistemlerine yönelik siber tehditlerin zamanında ve güvenilir bir şekilde belirlenmesine katkı sağlayabileceğini göstermektedir.