Yapay sinir ağı ve metasezgisel sınıflandırıcılarını kullanarak nesnelerin internetinde çapraz ateş ve ddos saldırılarını tespiti
Use artificial neural network and metaheuristic classifiers to detect phishing attacks on the internet of things
- Tez No: 1005155
- Danışmanlar: DR. ÖĞR. ÜYESİ ÜMİT TOKEŞER
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kimlik avı saldırıları, hassas kullanıcı bilgilerini çalmak için sahte web siteleri kullanarak çevrimiçi güvenlik için önemli bir tehdit oluşturmaktadır. Derin öğrenme teknikleri, özellikle de evrişimsel sinir ağları (CNN'ler), oltalama saldırılarını tespit etmek için umut verici araçlar olarak ortaya çıkmıştır. Bununla birlikte, geleneksel CNN tabanlı görüntü sınıflandırma yöntemleri sahte sayfaları etkili bir şekilde tanımlamada sınırlamalarla karşı karşıyadır. Bu zorluğun üstesinden gelmek için, bir CNN-LSTM hibrit modeli kullanarak kimlik avı saldırılarını tespit etmek için görüntü tabanlı bir kodlama yaklaşımı öneriyoruz. Bu yaklaşım, veri kümesini dengelemek, bilgilendirici özellikleri seçmek ve gri tonlamalı görüntüler oluşturmak için Otomatik Kodlayıcı ağına dayalı gelişmiş bir GAN olan SMOTE ile sürü zekası algoritmalarını birleştirmektedir. Üç kıyaslama veri kümesi üzerinde yapılan deneyler, önerilen yöntemin diğer tekniklere kıyasla üstün doğruluk, kesinlik ve hassasiyet elde ettiğini, kimlik avı saldırılarını etkili bir şekilde tanımladığını ve çevrimiçi güvenliği artırdığını göstermektedir.
Özet (Çeviri)
Phishing attacks pose a significant threat to online security, utilizing fake websites to steal sensitive user information. Deep learning techniques, particularly convolutional neural networks (CNNs), have emerged as promising tools for detecting phishing attacks. However, traditional CNN-based image classification methods face limitations in effectively identifying fake pages. To address this challenge, we propose an image-based coding approach for detecting phishing attacks using a CNN-LSTM hybrid model. This approach combines SMOTE, an enhanced GAN based on the Autoencoder network, and swarm intelligence algorithms to balance the dataset, select informative features, and generate grayscale images. Experiments on three benchmark datasets demonstrate that the proposed method achieves superior accuracy, precision, and sensitivity compared to other techniques, effectively identifying phishing attacks and enhancing online security.
Benzer Tezler
- Derin öğrenme yöntemleri kullanarak hiperspektral imgelerin sınıflandırılmasına yönelik yeni yaklaşımlar
New approaches for hyperspectral image classification using deep learning
HASAN BADEM
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK
- Reinforcement learning-driven ensemble neural networks for heart disease prediction
Kalp hastalığı tahmini için takviyeli öğrenme tabanlı topluluk sinir ağları
ÖZGE HÜSNİYE NAMLI DAĞ
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA YANIK ÖZBAY
- Atölye tipi üretim çizelgelemede metasezgisel yaklaşımlar ve yapay sinir ağı uygulaması
Job shop scheduling with metaheuristic approaches and artificial neural network application
İNCİLAY YILDIZ
- CMAC sinir ağı öğrenme yöntemi kullanılarak yeni melez GSA ve PSO optimizasyon algoritmalarının geliştirilmesi ve başarım analizi
Development and performance analysis of novel hybrid GSA and PSO optimization algorithms using CMAC neural network learning method
NAZMİYE EBRU BULUT
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL
- Yapay sinir ağları ve metasezgisel algoritmalar ile Türkiye'ye gelen yabancı turist sayılarının tahmini
Forecasting number of foreign tourist arrivals in Turkey with artificial neural networks and metaheuristic algorithms
ÜMMÜGÜLSÜM ÇELİK
Yüksek Lisans
Türkçe
2024
İstatistikSelçuk Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYNUR YONAR