Yazar "Zeyniyev, Hasan" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Yayın
    Yazılım tanımlı ağlarda makine öğrenmesi algoritmaları ile anomali tespiti ve siber saldırı sınıflandırması
    (İstanbul Gedik Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2024) Zeyniyev, Hasan; Tarlak, Fatih
    Yazılım Tanımlı Ağlar (YTA), ağ yönetimini merkezi, programlanabilir ve dinamik bir yapıya kavuşturarak ağ yönetiminde devrim yaratmaktadır. Ancak, YTA'ın açıklığı ve karmaşıklığı, ağları çeşitli güvenlik tehditlerine karşı savunmasız hale getirmektedir. Bu çalışmada, YTA ortamında anomali tespiti için derin öğrenme tekniklerinin uygulanabilirliği ve etkinliği incelenmiştir. Bu tezde, anomali tespiti için üç farklı derin öğrenme modeli olan Yapay Sinir Ağı (ANN), Evrişimli Sinir Ağı (CNN) ve Autoencoder kullanılmıştır. Bu modellerin performansları karşılaştırılmış ve YTA güvenliğine olan etkileri değerlendirilmiştir. Veri seti olarak, Canadian Institute for Cybersecurity at the University of New Brunswick (UNB) tarafından sağlanan geniş bir ağ trafiği veri seti kullanılmıştır Veri seti, ön işleme adımlarından geçirilmiş ve eğitim ile test setlerine ayrılmıştır. Modeller, belirli hiperparametrelerle eğitilmiş ve doğruluk, precision, recall ve F1-score gibi performans metrikleri kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, ANN modelinin en yüksek doğruluk oranına sahip olduğunu, ancak nadir görülen saldırılar için yetersiz kaldığını göstermektedir. CNN modeli, uzaysal verileri işleme kapasitesi sayesinde belirli tehditlerde etkili olmuştur. Autoencoder modeli ise verilerin düşük boyutlu bir uzaya indirgenmesinde başarılı olmuştur, ancak nadir saldırılarda düşük performans göstermiştir. Bu çalışma, YTA'ların güvenliğini artırmak için derin öğrenme tekniklerinin nasıl optimize edilebileceğine dair değerli bilgiler sunmaktadır. Gelecekteki çalışmalar, bu modellerin daha geniş ve dengeli veri setleri ile eğitilerek performanslarının artırılmasına yönelik olabilir. Ayrıca, gerçek zamanlı anomali tespiti için modellerin entegrasyonu ve performans değerlendirmesi, gelecekteki araştırma alanları arasında yer almaktadır. Bu tez, YTA'ların güvenliğini sağlamak için derin öğrenme tekniklerinin uygulanabilirliğini doğrulamakta ve gelecekteki araştırmalar için değerli bir temel sunmaktadır.