Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: Hanan ALİ ZAİNEL
Danışman: Cemal Koçak
Özet:
Özellikle Nesnelerin İnterneti (Internet of Things-IoT) olmak üzere ağa bağlı cihazların sayısı ve kapasitesi arttıkça daha fazla siber saldırılara maruz kalmaktadırlar. Ağ sistemlerinin ve veri dağıtım yöntemlerinin çeşitliliği nedeniyle Saldırı Tespit Sistemlerinin yeteneklerinin daha da geliştirilmesi gerekmektedir. Dolaysıyla çeşitli ağ tehditleri ile başa çıkabilen sistemlerin geliştirilmesi gittikçe önem kazanan bir konudur. Bu çalışmada, ağa gerçekleştirilecek saldırıların tespit edilmesi amacıyla, derin öğrenme algoritmaları ile eğitilmiş bir Saldırı Tespit Sistemi modellenmiştır. Bu çalışmada, veri olarak NSL-KDD veri kümesi kullanılmıştır. Derin öğrenme mimarileri olarak, Evrişimli Sinir Ağı (Convolutional Neural Network - CNN) ve Uzun Kısa Süreli Bellek (Long Short-term Memory -LSTM) tercih edilmiştir. Deneysel bulgular, ağ saldırılarını belirlemek için Konvolüsyonel Sinir Ağlarını kullanmanın daha iyi bir strateji olduğunu göstermiştir. Hem Konvolüsyonel Sinir Ağlarını hem de Uzun Kısa Süreli Bellek kullanan Konvolüsyonel Sinir Ağları, doğruluk açısından %99,25'e ulaşan bir yüksek performans değeri sağlamıştır. Eğitilen bu modeller sınıf sayısının fazla olduğu senaryolarda bile yüksek performans gösterme yeteneğine sahiptir.
Anahtar Kelimeler : İzinsiz giriş; derin öğrenme; evrişimli sinir ağı; saldırı; makine
öğrenme