Makine öğrenmesi ile olay tabanlı kullanıcı ve varlık davranış analizi
Event-based user and entity behavior analysis with machine learning
- Tez No: 922599
- Danışmanlar: DOÇ. DR. HALİL ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Siber güvenlik, Cyber security
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojinin hızla evrimiyle birlikte, işletmeler için siber güvenlik artık vazgeçilmez bir öncelik haline gelmiştir. Kötü niyetli yazılımlar, hizmet dışı bırakma saldırıları ve sıfır gün açıkları gibi dış saldırılarla başa çıkmak için yapılan yatırımların yanı sıra, kurum içi tehditlere karşı da önlem almak büyük önem taşımaktadır. Ne yazık ki, bilinçsiz veya kötü niyetli çalışanlar nedeniyle ortaya çıkan iç tehditlerle başa çıkmak, hala birçok şirket için zorlu bir mücadele olmaya devam etmektedir. Bu sorunu çözmek için ortaya atılan çözümlerden biri de kullanıcı ve varlık davranış analizidir. Bu yaklaşım, çalışanların günlük aktivitelerini izleyerek anormal davranışları tespit etmeyi amaçlar. Böylece, iç tehditlerin belirlenmesi ve önlemlerin alınması için zamanında müdahale edilebilir. Bu çalışmada, şirketlerin güvenlik bilgileri ve olay yönetimi sistemleriyle uyumlu bir kullanıcı ve varlık davranış analizi modeli önerilmiştir. Bunun için, öncelikle Wazuh uygulaması kullanılarak çalışanların Windows işletim sistemlerini kullanırken gerçekleştirdikleri aktiviteler toplanmıştır. Toplanan veriler, bir kural yapılmıştır. Ardından, veriler geçmişten günümüze doğru sıralanmış ve kayan pencere yöntemi kullanılarak yedi farklı veri seti oluşturulmuştur. Her bir veri seti, dokuz farklı sınıflandırma algoritması ile eğitilmiş ve modellerin başarı oranı, F1 skoru, kesinlik, duyarlılık, hassasiyet ve yanlış negatif oranı değerleri hesaplanmıştır. Yapılan analizler sonucunda, en başarılı sonuçların 25 pencere boyutunda Rastgele Orman Yöntemi ile elde edildiği gözlemlenmiştir. Bu yaklaşım, şirketlerin iç tehditlere karşı daha proaktif bir yaklaşım benimsemelerini sağlayarak, güvenlik açıklarının kapatılmasına yardımcı olabilir.
Özet (Çeviri)
With the rapid evolution of technology, cybersecurity has become an essential priority for businesses. In addition to investing in dealing with external attacks such as malware, denial-of-service attacks and zero-day exploits, it is of utmost importance to take precautions against internal threats. Unfortunately, dealing with insider threats caused by unconscious or malicious employees is still an uphill battle for many companies. One solution to this problem is user and asset behavior analysis. This approach aims to detect abnormal behavior by monitoring the daily activities of employees. Thus, internal threats can be identified and responded to in time to take action. In this study, we propose a user and entity behavior analysis model that is compatible with companies' security information and incident management systems. For this purpose, firstly, the Wazuh application was used to collect the activities of employees while using Windows operating systems. The collected data was subjected to a rule filtering process and a warning assessment of the events was performed. Then, the data was sorted from past to present and seven different data sets were created using the sliding window method. Each dataset was trained with nine different classification algorithms and the success rate, F1 score, precision, sensitivity, accuracy and false negative rate of the models were calculated. As a result of the analysis, it was observed that the most successful results were obtained with the Random Forest Method with a window size of 25. This approach can help companies adopt a more proactive approach against insider threats and help close security gaps.
Benzer Tezler
- Promptshıeld: polıcy-aware data loss preventıon framework for generatıve AI prompts
Promptshıeld: Politika farkındalıklı üretken yapay zekâ istemleri için veri kaybı önleme çerçevesi
EZGİ KELEŞ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- Uzaktan çok kaynaklı ölçümler yoluyla varlık verilerinin güvenilirliği
Uzaktan çok kaynakli ölçümler yoluyla varlik veri̇leri̇ni̇n güveni̇li̇rli̇ği̇
SALİHCAN KARAMAN
Yüksek Lisans
Türkçe
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
- Purchase prediction and item prediction with RNN using different user-item interactions
Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi
FULYA ÇELEBİ SARIOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Kaba kümeleme teorisi kullanılarak diyabet veri setinin analiz edilmesi ve diyabet hastalığının teşhisi için gerçek zamanlı bir veri analitiği sistemi kurulması
Analyzing diabetes data set using rough clustering theory and establishing a real-time data analytics system for diagnosis of diabetes disease
MEHMET YÜKSEL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN DEMİRCİ
- Association rule mining for identifying factors in dynamic positioning incidents and accidents
Dinamik konumlandırma kazalarına ait faktörlerin birliktelik kural madenciliği ile tanımlanması
TUĞFAN ŞAHİN
Doktora
İngilizce
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT