Attack detection in IoT systems using metaheuristic-enhanced quantum and classical machine learning techniques
Metasezgisel yöntemlerle geliştirilmiş kuantum ve klasik makine öğrenme teknikleri kullanılarak IoT sistemlerinde saldırı tespiti
- Tez No: 956363
- Danışmanlar: DOÇ. DR. HALİT BAKIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Nesnelerin İnterneti (Internet of Things, IoT) sistemleri, internet üzerinden veri toplayan ve birbirleriyle veri alışverişi yapan bağlı cihazlardan oluşur. Bu sistemler, sağlık, tarım ve sanayi gibi birçok alanda yaygın olarak kullanılmaktadır. Ancak, dağıtık yapıları ve sınırlı güvenlik mekanizmaları, bu sistemleri siber tehditlere karşı savunmasız hale getirir. Gerçek zamanlı tehdit tespiti ve önleme amacıyla klasik makine öğrenmesi (Machine Learning, ML) ve kuantum makine öğrenmesi (Quantum Machine Learning, QML) gibi yapay zekâ teknikleri, IoT güvenliğini artırmak için giderek daha fazla kullanılmaktadır. Bu tez, IoT'nin iki kritik alanı olan Medikal Nesnelerin İnterneti (Internet of Medical Things, IoMT) ve Tarımsal IoT (Agricultural IoT, AG-IoT) için ML ve QML tabanlı modeller önermektedir. Klasik ML algoritmaları, hem IoMT hem de AG-IoT sistemlerine uygulanmıştır. Model performansını artırmak amacıyla, keşif ve sömürü arasında etkili bir denge sağlayan modern bir metasezgisel algoritma olan Walrus Optimizasyon Algoritması (Walrus Optimization Algorithm, WaOA) ile hiperparametre ayarlamaları yapılmıştır. Ayrıca, akıllı tarım ortamlarında büyük ölçekli ve yüksek boyutlu verilerin oluşturduğu zorlukları ele almak için, AG-IoT alanına özgü yenilikçi QML modelleri geliştirilmiştir. Özellik seçimi için, karmaşık özellik uzaylarında etkili gezinme yeteneği sayesinde, literatürde ilk kez kullanılan ikili bir Starfish Optimizasyon Algoritması (Starfish Optimization Algorithm, SFOA) önerilmiştir. Mevcut kuantum donanımının sınırlamalarını azaltmak için, SFOA kullanılarak seçilen özellik kümesini azaltmak amacıyla karşılıklı bilgi (mutual information) sıralaması kullanılmıştır. Sonrasında, açı kodlamalı varyasyonel kuantum devreleri ile klasik yoğun katmanların entegre edildiği hibrit bir QML mimarisi geliştirilmiştir. Deneyler, modellerin hem ikili hem de çok sınıflı saldırı tespitinde yüksek doğruluk ve güçlü genelleme yeteneği gösterdiğini ortaya koymuştur. Bulgular, önerilen yaklaşımların IoT güvenliğinde etkili olduğunu göstermektedir. Gelecekteki çalışmalarda, dağıtık öğrenme ve gizliliği koruyan tekniklerin entegrasyonu araştırılabilir.
Özet (Çeviri)
Internet of Things (IoT) systems are composed of interconnected devices that collect and exchange data over the internet. They are widely used in domains such as healthcare, agriculture, and industry. However, their distributed nature and limited security mechanisms make them vulnerable to cyber threats. Artificial intelligence techniques, including classical machine learning (ML) and quantum machine learning (QML), are increasingly employed to enhance IoT security through real-time threat detection and prevention. This thesis proposes ML and QML models for two critical IoT domains, namely Internet of Medical Things (IoMT) and Agricultural IoT (AG-IoT). Classical ML algorithms were applied to both IoMT and AG-IoT systems. To enhance model performance, hyperparameter tuning was conducted using the Walrus Optimization Algorithm (WaOA), a modern metaheuristic designed to effectively balance exploration and exploitation in complex search spaces. Furthermore, innovative QML models were specifically developed for the AG-IoT domain to address the challenges posed by large-scale and high-dimensional data in smart agriculture environments. For feature selection, a binary version of the Starfish Optimization Algorithm (SFOA) was proposed—its first known use in this context—due to its ability to navigate complex feature spaces efficiently. To mitigate limitations of current quantum hardware, mutual information ranking was employed to reduce the feature set selected using SFOA. Subsequently, a hybrid QML architecture was developed by combining angle-encoded variational quantum circuits with classical dense layers. Experimental evaluations demonstrated that the models achieved high accuracy and strong generalization capability in both binary and multiclass intrusion detection tasks. These findings highlight the effectiveness of the proposed approach in IoT security. In the future works, the integration of federated learning and privacy-preserving techniques may be explored.
Benzer Tezler
- Kenar bilişim için siber saldırıları tespit ve önleme yöntemleri
Cyber attack detection and prevention methods for edge computing
EBU YUSUF GÜVEN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ YILMAZ ÇAMURCU
- New lightweight DoS attack mitigation techniques for RPL based IoT networks
RPL temelli IoT ağları için DoS saldırılarının etkisini azaltacak yeni teknikler
AHMET ARIŞ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- Zero-day attack detection with deep learning
Derin öğrenmeyle sıfırıncı gün saldırı tespiti
BERNA ÇAKIR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN ANGIN
- Ulusal güvenlik için blokzinciri tabanlısiber güvenlik modeli
Blockchain based cyber security solutions for national security
ENİS KONACAKLI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENİS KARAARSLAN
- A cross-layer intrusion detection system for RPL-based internet of things
RPL tabanlı nesnelerin interneti için katmanlar arası saldırı tespit sistemi
ERDEM CANBALABAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİL ŞEN AKAGÜNDÜZ