DERİN ÖĞRENME YÖNTEMLERİ KULLANILARAK WEB UYGULAMA GÜVENLİĞİ SAĞLANMASI
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Bilişim Enstitüsü, Bilgisayar Eğitimi, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: MEHMET SEVRİ
Danışman: Hacer Karacan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Web uygulamalarının yaygın kullanımı ile birlikte web uygulamalarına yönelik saldırılar artmakta ve daha sofistike hale gelmektedir. Bu saldırıların tespit edilmesi ve engellenmesi ise önemli zorluklar içermektedir. Web saldırılarının tespit edilmesinde etkili olan anomali tabanlı web uygulama güvenlik duvarlarının gerçek zamanlı olarak kullanılabilmeleri için aşılması gereken önemli zorluklar mevcuttur. Bu tez çalışması kapsamında web uygulamalarının güvenliğinin sağlanması ve mevcut zorlukların aşılması amacıyla derin öğrenmeye dayalı yeni yöntemler ve çözümler geliştirilmiştir. Tez çalışması kapsamında ilk olarak, web anomali veriseti eksikliğini gidermek amacıyla GAZI-HTTP isimli yeni ve kapsamlı bir web anomali veriseti oluşturulmuştur. İkinci olarak, web anomali verisetlerindeki dengesiz dağılımdan kaynaklanan problemleri çözmek amacı ile yeni bir veri artırma yöntemi ve derin öğrenme tabanlı yeni bir web uygulama güvenlik duvarı (WAF) geliştirilmiştir. Bu kapsamda özellikle saldırı türü tespitinde yaşanan düşük hassasiyet sorunu çözen DA-SANA veri artırım yöntemi ve Bi-LSTM tabanlı güçlü bir WAF modeli geliştirilmiştir. Üçüncü olarak, web anomali tespitinden kaynaklı gecikmeleri ortadan kaldıran, farklı web uygulamaları için kullanılabilir, genelleştirme gücü yüksek ve gerçek zamanlı kullanılabilecek iki aşamalı, katmanlı topluluk öğrenmeye dayalı derin öğrenme temelli yeni bir WAF sistemi geliştirilmiştir. Geliştirilen sistem sayesinde çok sınıflı saldırı türü tespitinden kaynaklanan problemler ikinci aşamaya ötelenerek, normal web uygulama kullanıcılarının gecikmeden etkilenmesinin önüne geçilmiş ve ikinci aşamadaki topluluk öğrenme modeli ile yüksek hassasiyete sahip bir WAF modeli oluşturulmuştur. Tez kapsamında gerçekleştirilen son çalışmada ise derin öğrenme temelli WAF modellerinin açıklanabilirliğinin sağlanması amacı ile web güvenliği alanına özel yeni bir açıklanabilirlik yöntemi geliştirilmiştir. Derin öğrenme yöntemleri web anomali tespitinde etkin ve başarılı çalışmakla birlikte, modellerin ve model tahminlerinin yorumlanması mümkün olmayıp karakutu modeller olarak adlandırılmaktadır. Bu çalışma ile web güvenliğine özel derin öğrenme temelli karakutu modellerin tahminlerinin açıklanmasını sağlayan, özellikler arasındaki ilişki ve benzerlikleri dikkate alan güçlü bir açıklanabilirlik yaklaşımı ve buna dayalı web tabanlı yazılım çerçevesi geliştirilmiştir