Deep learning approach for malicious URLs detection
Kötü amaçli URL tespiti için derin öğrenme yaklaşimi
- Tez No: 796372
- Danışmanlar: Prof. Dr. SERHAT ÖZEKES
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Siber Güvenlik Ana Bilim Dalı
- Bilim Dalı: Siber Güvenlik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda, özellikle COVID-19 salgını ve kripto para biriminin yükselişinden sonra çoğu işletmenin dijitalleştiği herkesin bilgisine ulaştı. Bu nedenle, çevrimiçi finansal işlemlerin sayısı önemli ölçüde artmakta ve bu da siber güvenlik tehditlerinde muazzam bir artışa neden olmaktadır. Kimlik avının, son birkaç yılda işletmeleri ve kişileri tehlikeye atan siber tehditlerin başında geldiği bildiriliyor. Kimlik avı saldırıları esas olarak kurbanı kötü niyetli bir URL'ye tıklaması için kandırarak yapıldığından, bu, sonunda kimlik bilgilerinin çalınmasına, hassas bilgilerin açığa çıkarılmasına, fidye talep edilmesine ve diğer çeşitli yıkıcı sonuçlara yol açacaktır. Oltalama saldırılarına karşı koymak ve farklı yaklaşımlar önermek için birçok araştırma, öneri ve makale olması, bu alanı son birkaç yılda aktif bir araştırma alanı haline getirdi. Çalışmamızda, CNN-LSTM modeli kullanılarak kötü amaçlı URL tespiti için URL'nin karakter düzeyinde gömülmesine dayanan Derin Öğrenme yaklaşımlarıyla ilgilendik. Modelleri, gerçeği mümkün olduğunca yansıtabilecek, büyük, toplanmış bir URL veri kümesi üzerinde eğitip test ettiğimiz yer. Sonunda, toplanan büyük veri setimiz üzerindeki deneyler ve testler boyunca %98,7'lik bir doğruluk elde ettik.
Özet (Çeviri)
It has come to everyone's knowledge that in the recent years most businesses have been digitized, especially after the COVID-19 pandemic and the rise of cryptocurrency. Hence, the number of online financial transactions has been significantly increasing leading to an enormous increase of cyber security threats. Phishing has reportedly been on the top of cyber threats that have been endangering businesses and personals in the last couple of years. Since Phishing attacks are mainly done by duping the victim into clicking on a malicious URL, that will result eventually in stealing credentials, revealing sensitive information, ransom demanding and various other devastating results. There has been many researches, suggestions, and papers to counter Phishing attacks and propose different approaches, which made this area an active research area in the last few years. In our study, we were interested in Deep Learning approaches which were based on character level embedding of the URL for malicious URL detection using CNN-LSTM model. Where we trained and tested the models on a large, collected URLs dataset that can reflect the reality as much as possible. Eventually, throughout experiments and tests on our large collected dataset we have achieved an accuracy of 98.7%.
Benzer Tezler
- Derin öğrenme yöntemleri kullanılarak kimlik avı saldırıları denetimi
Phishing attacks detection using deep learning methods
ÖZNUR ŞİFA AKÇAM
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADEM TEKEREK
- Sözcüksel analiz kullanarak kötü niyetli URL'leri derin öğrenme teknikleri ile tespit etme
Detecting malicious URL's using lexical analysis with deep learning techniques
CEMİLE SARICAOĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET DEMİRCİ
- An attention based deep neural network architecture for identification of phishing URLS through character level n-gram embeddings
Kimlik avcısı URL tespitinde karakter n-gram düzeyinde özyerleşiklerden yararlanan dikkate dayalı bir derin sinir ağı mimarisi
FIRAT COŞKUN DALGIÇ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT AYDOS
DOÇ. DR. AHMET SELMAN BOZKIR
- A novel two phased approach combining deep learning and machinelearning classifiers for effective detection of turkish phishing web sites
Türkçe kimlik avı web sitelerinin etkin tespiti için derin öğrenme ve makine öğrenmesi sınıflandırıcılarını birleştiren yeni, iki aşamalı bir yaklaşım
İHSAN DENİZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim ve Teknoloji ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞATAY NEFTALİ TÜLÜ
- Yazılım tanımlı ağlarda DDoS saldırılarının erken tespiti için derin öğrenme tabanlı bir füzyon yaklaşımı
A deep learni̇ng-based fusi̇on approach for early detecti̇on of DDoS attacks i̇n software-defi̇ned networks
BÜŞRA ÖZDOĞAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMAL KOÇAK