Makine öğrenmesi algoritmaları kullanarak web günlük kayıtlarından zararlı isteklerin tespiti ve bulut tabanlı bir sistem gerçeklenmesi
Detection of malicious requests from web log records using machine learning algorithms and implementation of a cloud-based system
- Tez No: 783380
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Kapsül ağlar, Log analizi, Makine öğrenmesi yöntemleri, Siber güvenlik, Deep learning, Capsule networks, Log analysis, Machine learning methods, Cyber security
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde insanlar zamanlarının önemli bir kısmını İnternet'e bağlı olarak geçirmekte ve birçok işlemi internete bağlı cihazlar ile yapmaktadır. İçinde bulunduğumuz yüzyılda en değerli varlıklardan biri de kişisel bilgilerdir. Kişisel bilgilerin elde edilmesi sonucunda insanlar maddi ve manevi zararlar görebilmektedir. Özellikle geçtiğimiz yıllarda ortaya çıkan Covid-19 pandemisi sürecinde öncesine göre çok daha fazla sayıda işlem İnternet aracığıyla gerçekleştirilmiştir. İnternet ortamında yapılan işlemlerin hacminin çok fazla büyümesiyle ortaya çıkan ve işlenen verinin miktarı da“büyük veri”olarak adlandırılan seviyeye gelmiştir. Tüm bu sebeplerden dolayı bilgisayar sistemleri saldırganların daha fazla ve daha popüler hedefi haline gelmiştir ve siber saldırıların sayıları da buna bağlı olarak artmıştır. Sayıları oldukça artan bu siber saldırıların tespit edilmesi önem arz etmektedir. Özellikle olası bir siber saldırıda hem maddi kayıp hem de itibar kaybı yaşayacak olan firmalar için bu durum elzemdir. Ayrıca büyük verinin oluştuğu alanlarda klasik yöntemlerle sağlıklı veri analizi yapmak mümkün olmamaktadır. Bu tez çalışmasında, büyük veri üzerinden analiz yapma amacıyla kullanılan derin öğrenme yöntemlerinden biri olan kapsül ağlar tabanlı bir model geliştirilmiştir. Geliştirilen model, CSIC 2010 HTTP veri seti ile eğitilmiş ve test işlemi gerçekleştirilmiştir. Geliştirilen model kullanılarak web günlüklerinin analizi yapılmıştır. Analiz sonucunda isteğin zararlı olup olmadığının tespiti yapılmıştır. Geliştirilen model %97,43 oranında başarı elde etmiştir. Daha sonra çalışan bir sisteme dahil edilmiş ve tespit işlemlerini bu sistem üzerinde gerçekleştirmiştir.
Özet (Çeviri)
Today, people spend a significant part of their time connected to the Internet and do many transactions with devices connected to the Internet. One of the most valuable assets in our century is personal information. As a result of obtaining personal information, people may suffer material and moral damages. Especially during the Covid-19 pandemic that emerged in recent years, much more transactions were carried out via the Internet than before. The amount of data that has emerged and been processed with the huge growth of the volume of transactions made on the Internet has reached the“big data”level. For all these reasons, computer systems have become more and more popular targets of attackers, and the number of cyber attacks has increased accordingly. It is essential to detect these cyber attacks, the number of which is increasing considerably. This is essential for companies that will experience both financial and reputational loss in a possible cyber attack. In addition, it is impossible to carry out healthy data analysis with classical methods in areas where big data is formed. In this thesis, a capsule network-based model, one of the deep learning methods used for analyzing big data, has been developed. The developed model has been trained and tested with the CSIC 2010 HTTP dataset. The web logs were analyzed using the developed model. As a result of the analysis, it has been determined whether the request is harmful or not. The developed model achieved a success rate of 97.43%. Later, it was included in a working system and the detection operations were carried out on this system.
Benzer Tezler
- Kayıp satış miktarlarının makine öğrenmesi ve zaman serisi ile analizi
Analysis of lost sales quantities with machine learning and time series
RIDVAN EYYÜPKOCA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ZAHİD GÜRBÜZ
- Network anomaly detection using optimized machine learning algorithm
Optimize edilmiş makine öğrenmesi algoritmaları kullanarak ağ anomali tespiti
TAHIRA KHORRAM
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURDAN BAYKAN
- Session hijacking attacks on wireless networks detection and prevention
Kablosuz ağlarda oturum ele geçirme saldırılarını tespit etme ve önleme
TAHA ALI MOHAMMED GAROON
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CELAL ÇEKEN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE