23
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Rationalization and penetration testing outcome on IoT devices (APS) using the ETSI EN 303 645" standard
More and more devices in homes are connected to the internet, the cyber security of the IOT becomes more important and raises more concerns. People entrust their personal data to an increasing number of online devices and services. Products have traditionally been offline are now connected and need to be protected from cyber threats. With these aspects in mind, in the last year there was an intense focus on developing efficient standards aimed at addressing the security of consumer IOT products. For that, a security assessment is required to acquire and overview of one's security and identify major gaps. The aim of this thesis is to evaluate the security level of an APS device (Advanced people sensor device) by performing penetration tests which will result in knowing what are the major gaps that the developers skipped that are mentioned in the standard then suggesting what should be changed in the device to abide by the minimum-security requirements of the mentioned standard. And finally Proposing an upgrade for the standard making it more up to date with the current most used vulnerabilities.
Siber suç farkındalığının incelenmesi: İstanbul ili'nde bir araştırma
The aim of this research is to examine the perception of cybercrime awareness according to various variables. Descriptive survey model was used in the research. In the research, 466 people were reached with the convenience sampling method and a questionnaire was applied. It was deemed appropriate to use a questionnaire form in collecting the data. Within the scope of the questionnaire, it consists of questions about demographic information and Cybercrime Awareness Scale. Data analysis in the research was done with SPSS 21 package program. Descriptive statistics for cybercrime awareness were examined. Accordingly, the average score of all sub- dimensions and the total scale score is above 4. This shows that the participants have a high perception of cybercrime awareness in general. In the study, it was determined that the participants with higher education and income levels had higher perceptions of cybercrime awareness. In addition, as the frequency of shopping on the Internet and the frequency of using the Internet increase, the perception of cybercrime awareness of the participants increases. While individuals' frequent use of the internet enables them to have more information, it positively affects their perceptions of cybercrime awareness.
Improving the transferability of adversarial examples against deep learning based computer networks
Convolutional Neural Networks (CNNs) are the most widely used algorithms in Deep Learning. The reason of their wide use are their effective architecture and high performance on classification detection tasks e.g., in the computer vision, image processing and especially in cybersecurity. Recent studies show that CNNs are easily attacked by the adversary, and they are open to vulnerabilities. Attacks on CNNs could be effective both on the targeted models and untargeted models (Nowroozi, Mekdad, Berenjestanaki, Conti & El Fergougui, 2022). We call this forceful property as a transferability. The transferability of the attacks also eliminates the need for the attacker to have perfect knowledge (PK) of the attacked network therefore attacker does not need to know the features, data and parameters (Nowroozi, Dehghantanha, Parizi & Choo, 2021). Recent studies prove that there is no transferability in computer networks. But in this study, a new strategy is carried out to improve the transferability of adversarial attacks between Source Network (SN) and Target Network (TN). In this strategy, we have modified an attack library to improve transferability by increasing the strength value of the attacks to make attacks stronger (Nowroozi, et.al., 2021). In this thesis, attacker allows a larger distortion to get an attacked sample which lies deeper in the target region, if the attack goes more inside the other class region the capability can improve which means the attack confidence become high. While investigating transferability issue between two networks, six attack types and two known datasets of computer networks are considered.
Enhancing privacy and security in machine learning visual stream systems
Bu tez, entegrasyonun sunduğu zorlukları ve fırsatları incelemektedir. öncelikle kullanılan makine öğrenimi (ML) görsel akış sistemlerine yönelik yeni güvenlik katmanları gözetim ve güvenlikte. Çalışma şu önermeye dayanmaktadır: ML'nin görsel işlemedeki ilerlemesi önemli faydalar sağlar, aynı zamanda Veri gizliliği ve sistem açıklarına ilişkin kritik endişeler. Bunun önemli bir odak noktası araştırma, mevcut makine öğrenimine ek güvenlik katmanlarının uygulanmasıdır sistem mimarisi. Bu yaklaşım yalnızca veriyi geliştirme açısından incelenmemektedir. koruma ve sistem dayanıklılığının yanı sıra performans üzerindeki etkisinin değerlendirilmesinde de Metrikler. Araştırma, sistem arasındaki dengeleri ölçmeyi ve analiz etmeyi amaçlamaktadır. güvenlik ve performans, ML'nin gelişimine dair değerli bilgiler sağlıyor hem güvenli hem de verimli görsel akış sistemleri. Bulgular bekleniyor Sağlam makine öğrenimi sistemlerinin tasarlanmasında daha dengeli bir yaklaşıma katkıda bulunmak Optimum performansı korurken gelişen dijital tehditlere karşı.
Non-fungible tokens (NFTS) and their security challenges
The Non-Fungible Token (NFT) market has been exploding in the past years. The notion of NFT originated with Ethereum's token standard, which aimed to differentiate each token using distinguishing signals. Tokens of this type can be associated with virtual or digital properties to serve as unique identifiers. Using NFTs Non-Fungible Token (NFT) is a new technology gaining traction in the Blockchain industry. In this article, we examine state-of the art NFT systems that have the potential to reshape the market for digital virtual assets. We will assess the security of existing NFT systems and expand on the opportunities and prospective uses for the NFT idea. Finally, we discuss existing research challenges that must be overcome before mass market penetration may occur. We hope that this paper provides an up-to-date analysis and summary of existing and proposed solutions and projects, making it easier for newcomers to stay current.
Exploring K-anonymity in genomic datasets: Implications for privacy and survival analysis
This study evaluates K-anonymity methods for protecting sensitive healthcare and genomic data while preserving quasi-identifiers for analysis. It examines techniques such as Nearest Neighbor Clustering-Based Anonymization, Recursive Partitioning with Median Splits, Mondrian K-Anonymity, Value Generalization Hierarchies (VGHs) in Optimal Lattice Anonymization (OLA), Maximum Distance to Average Vector (MDAV), and Top-Down Generalization (TDG). Each method balances privacy, data utility, and computational efficiency. The study compares their effectiveness in minimizing information loss while maintaining privacy using survival analysis tools like the Akaike Information Criterion (AIC) and Concordance Index (C-Index). OLA and TDG provide more generalization, while MDAV and Mondrian are more efficient.
Veriyükü üzerinden sql enjeksiyon zafiyetlerin belirlenmesi
Sürekli gelişen teknoloji ile birlikte bilgiye hızlı erişim, depolamak, gibi ihtiyaçlarının yanında bilgisayar sistemlerinin kullanımı da paralel olarak artmaktadır. Bu sistemler içerisinde özellikle kurum ve kuruluşlar önemli bilgilerini bulundurmakta ve kullanmaktadırlar. Her alanda olduğu gibi bilgisayar sistemleri de bulundurdukları önemli kaynaklardan dolayı siber saldırganlar tarafından tehdit altındadır. Bu tehditlere karşı her alanda olduğu gibi güvenlik önlemleri alınmaktadır. Güvenlik duvarları (firewalls), saldırı tespit ve önleme sistemleri (IPS/IDS), içerik filtreleme sistemleri, anti virüs yazılımları, kod güvenliği sıkılaştırmaları gibi donanımsal ve yazılımsal olarak önlemler alınmaktadır. Siber saldırganlar tarafından bilgisayar sistemlerine özellikle kritik ve gizli derecedeki bilgileri ele geçirebilmek için çeşitli siber saldırılar yapılmaktadır. Bu siber saldırılardan birisi en yaygın ve en tehlikeli saldırı türü olan Structured Query Language (SQL) enjeksiyon saldırısıdır. SQL enjeksiyon saldırısı, bir veri tabanı kullanan uygulama üzerindeki kodların güvenlik açıklarından faydalanılarak, siber saldırganın yetkisi olmadan gizli bilgileri ele geçirmeye yönelik amacı doğrultusunda güvenlik zafiyetinin sömürülmesi şeklidir. Bu tez çalışmasında, SQL enjeksiyonu, SQL enjeksiyon saldırılarının sınıflandırılması, SQL enjeksiyon zafiyetinin belirlenme yöntemleri anlatılmıştır. Web uygulamaları üzerindeki SQL enjeksiyon zafiyetinin belirlenmesine yönelik çalışmalar yapılmıştır. Bu çalışmalar web uygulama güvenliğine yönelik olarak oluşturulmuş içerisinde web güvenlik zafiyetleri barındıran Damn Vulnerable Web Application (DVWA) ve Web For Pentester uygulamaları üzerinde yapılmıştır. SQL enjeksiyon zafiyetinin belirlenmesinde elle yapılan sorgular ve Burp Suite, Sqlmap, Kali Linux, Havij, Acunetix, Netsparker gibi web zafiyeti ve penetrasyon testi araçları kullanılmıştır. Bu araçların gerçekleştirdikleri veri yükleri ve elle yapılan SQL enjeksiyon sorgulamaları analiz edilerek karşılaştırılmıştır.
Zararlı URL'lerin derin öğrenme ile tespiti
Günümüzde internetin her geçen yıl kullanımın artmasıyla hayatımızda çok önemli bir hale gelmiş ve yeni iletişim teknolojileri, sosyal ağlar, e-ticaret, kullandığımız teknolojik ev aletlerinden, çevrimiçi bankacılık dâhil olmak üzere birçok uygulamada işlerin teşvik edilmesinde ve büyütülmesinde önemli bir etkiye sahiptir. Bu tez çalışmasının amacı, kullanılan yapay zekâ modeli ile zararlı URL adreslerini tespit edilmesi sağlanmış, bu işlemler için büyük bir veri seti ile çalışılmış ve en iyi sonucu elde etmek hedeflenmiştir. Bu tezde literatürde yapılan çalışmalar incelenmiştir, veri setlerinin büyüklüğü ile doğruluk başarı oranına katkısı görülmüştür. Yapılan çalışmada, veri setindeki URL sayısının fazla olması ve RNN model mimarisinin kullanılması performans değerlerini 2 puan oranında arttırmıştır. Çalışmada oluşturulan, 7 katmanlı RNN modeli kullanılmış, modelde çalıştırmak üzere ulusal ve uluslararası birbirine benzer iki adet veri seti birleştirilmiş, 579.112 adet URL adresinden oluşan devasa bir yeni veri seti oluşturulmuştur. Daha sonra bu yeni veri seti eğitim ve test setlerine ayrılmıştır. İlk olarak veri setimiz modelde eğitilmiş ve ardından ikinci veri seti test edilmiştir. Bu veri seti modelimizde işlendiğinde %91 doğruluk oranı elde edilmiştir. Bu çalışmamızla, zararlı URL adreslerinin tespiti için daha etkin yöntemlerin geliştirilmesine önemli katkı sağlamak hedeflenmektedir.
Siber saldırıların loglar üzerinden tespit edilmesi ve önlenmesi
Teknoloji kullanımı giderek yaygınlaşmakta, insan hayatının vazgeçilmezleri arasında yer almaktadır. Teknolojinin tüm alanlarda yaygın olarak kullanılması bilgisayar sistemleri üzerinde güvenlik açıklarının oluşmasına neden olmaktadır. Sistemlere yapılan saldırıların nereden ne zaman kim tarafından yapılacağı bilinmemektedir. Bu bağlamda sistemler üzerinde gerçekleşen işlemlerin internet izlerinin tutulması, log kayıtlarının alınması, yaşanan birçok siber saldırıyı çözme konusunda uzmanlara fayda sağlamaktadır. Sistemler üzerindeki zafiyetlerin hackerlar tarafından fark edilmesiyle beraberinde çeşitli siber saldırılar ortaya çıkarmıştır. Tespit edilen bu zafiyetler üzerinden network sistemi üzerinde hakimiyet kurmaları, maddi kazanç elde etmeleri ve itibari sebepler yer alabilmektedir. Bu durum sistemlerin bilgi bütünlüğünü bozmaktadır. Bu çalışma kapsamında log kayıtları üzerinden siber saldırıların tespit edilebileceği ve siber saldırıların engellenebileceği araştırılmıştır. Bu çalışma loglar üzerinden siber saldırıların tespit edilmesi ve engellenmesi, siber saldırılara karşı çözümlerin üretilmesi bakış açısıyla literatüre katkı sağlayacağı düşünülmektedir.
Bilişsel radyo ağlarda spektrum algılama veri sahtecilik saldırılarına karşı iş çıkarma oranının artırılması
Bilişsel Radyo (CR) ağları, dinamik spektrum erişimi sağlar ve spektrum verimliliğini önemli ölçüde artırabilir. İşbirlikçi Spektrum Algılama (CSS), algılama doğruluğunu artırmak için CR kullanıcıları arasındaki uzamsal çeşitlilikten yararlanır. Ancak gerçekçi bir senaryoda, güvenilir CSS, Spektrum Algılama Verilerinde Sahtecilik (SSDF) saldırısına karşı savunmasızdır. Bir SSDF saldırısında, bazı kötü niyetli CR kullanıcıları kasıtlı olarak tahrif edilmiş yerel algılama sonuçlarını bir veri toplayıcıya veya Füzyon Merkezine (FC) bildirir ve ardından sezme kararını etkiler. Bu çalışmada, bir SSDF saldırısı için analitik bir model araştırıp böyle bir saldırıya karşı sağlam bir savunma stratejisi öneriyoruz. FC'nin saldırı parametrelerini elde etmek ve daha iyi bir savunma stratejisi kullanmak için öğrenme ve tahmin yöntemlerinin uygulanabileceğini gösteriyoruz. Ayrıca, log-normal gölge sönümlü bir kablosuz ortam varsayıyoruz ve SSDF saldırısının gücünü etkileyebilecek saldırı parametrelerini tartışıyoruz. Bu çalışmanın sonuçları, özellikle kötü niyetli kullanıcıların çoğunlukta olduğu durumlarda, SSDF saldırılarına karşı önerilen savunma yönteminin etkinliği gösterilmektedir.
Blockchaın tabanlı IoT güvenliği ve performans analizi
Nesnelerin İnterneti (IoT), çeşitli cihazların birbirine bağlanarak veri alışverişi yapmasını sağlayan bir ağ yapısını ifade etmektedir. Bu teknolojinin benimsenmesi, endüstriyel süreçlerden günlük yaşam aktivitelerine kadar birçok alanda gelişme sağlamaktadır. Ancak, IoT cihazlarının sayısındaki hızlı artış, beraberinde önemli güvenlik sorunlarını da getirmektedir. Özellikle; siber saldırılar, veri ihlalleri ve yetkisiz erişimler, IoT sistemlerinin güvenliğini tehdit eden başlıca unsurlar haline gelmiştir. Bu tez çalışmasında, IoT güvenliğini artırma hedefiyle blockchain teknolojisinin birleşimi incelemekte ve bu bağlamda Hyperledger Fabric'in sağladığı avantajları değerlendirmektedir. Blockchain teknolojisi, özellikle izinli ağ yapısı ve merkeziyetsizlik özellikleri ile IoT sistemlerine büyük katkılar sağlayabilir. Blockchain, verilerin güvenli bir şekilde saklanmasını sağlarken, veri bütünlüğünü ve gizliliğini de artırmaktadır. Hyperledger Fabric, bu güvenlik gereksinimlerini karşılamak için ideal bir platform sunmakta; modüler mimarisi sayesinde organizasyonlara esneklik sağlamaktadır. OPNET benzetim aracı ile blockchain kullanılarak şifrelenen paketleri ileten IoT ağının performansı detaylı bir biçimde analiz edilmektedir. Benzetimler, blockchain teknolojisinin IoT sistemlerine birleşiminin güvenlik seviyelerini nasıl artırabileceğini ve siber tehditlere karşı koruma sağladığını göstermektedir. Ayrıca, bu çalışmada, blockchain kullanılarak şifrelenen paketleri ileten sistemlerin kullanıcıların kimlik doğrulama süreçlerini güvence altına alarak yetkisiz erişimlerin önüne geçme potansiyeli incelenmektedir. Sonuç olarak, bu tez çalışmasında, blockchain teknolojisinin IoT güvenliğini sağlama potansiyelini ortaya koymakta ve endüstriyel uygulamalar için pratik çözümler sunmaktadır. Gelecekte IoT sistemlerinin güvenliğinin sağlanmasında blockchain'in önemli bir rol oynayacağına dair bulgular sunarak, bu alanda daha fazla araştırma yapılmasının gerekliliğini vurgulamaktadır. Bu çalışma hem akademik literatüre katkıda bulunmayı hem de pratik uygulamalar için bir temel oluşturmayı amaçlamaktadır. IoT güvenliğine yönelik bu yaklaşım, yalnızca teknoloji geliştirme sürecinde değil, aynı zamanda endüstriyel uygulamalarda da önemli bir yere sahip olacaktır.
Oyun geliştirme platformlarında blockchain tabanlı, güvenli bir ödeme sitemi geliştirme
Oyun, geçmişten günümüze eğlencenin en önemli unsurlarından biri olmuştur. Sanal bir dünya ile alternatif evrenler sunan oyunlar, kendi içlerinde yarattıkları ekonomi sayesinde gerçek dünya ile maddi temas sağlayabilmektedir. Bu noktalardaki para kazanma yöntemlerinden biri de oyun içi kostüm, eşya, ikon ve benzeri edinimlerin gerçek dünya parası ile satılması ve gerçek dünyada bir varlık yaratılmasıdır. Blockchain teknolojileri sayesinde bu varlıklar son derece güvenli bir şekilde merkezsiz olarak saklanabilmektedir. Şifreleme yöntemleri ve dağıtık defter yapısı sayesinde bu teknoloji, kullanıcıların dijital varlıklarını üçüncü taraflara ihtiyaç duymadan güvenli bir ortamda saklamalarına olanak sağlıyor. Blockchain sadece oyun sektöründe değil, finans, sağlık, lojistik, eğitim ve daha birçok alanda devrim niteliğinde yenilikler sunan teknolojik bir gelişmedir. Özellikle verilerin değişmez ve şeffaf bir şekilde saklanmasını sağlayarak güvenilirliği artırıyor ve aracılara olan bağımlılığı azaltıyor. Bu sayede blockchain, dijital ekonomiden sosyal sistemlere kadar geniş bir alanda insan hayatını derinden etkileyen ve yeniden şekillendiren bir unsur haline gelmiştir. P2E (Play to Earn), oyunlarda oynadıkça kripto varlıkları kazanmaya yönelik bir modeldir. Oyuncunun oyun oynama süresini kazanarak artırmayı hedefler. Bu da oyuna bağlı kripto varlıkların değerini artırır ve bir ekonomi yaratır. Benzer şekilde, NFT (Non-Fungible Token) kazanıp satarak, blockchain teknolojisi oyunlarda gerçek dünya kazançları elde edilmesini sağlar. Dijital varlıkların gerçek dünyadaki karşılığı yüksek güvenlik önlemleri gerektirir. Blockchain teknolojisi burada ana aktörlerden biridir. Oyun geliştirme platformlarında blockchain tabanlı ödeme sistemlerinin güvenliği, işlem bütünlüğünü, kullanıcı gizliliğini ve varlık sahipliğini artırmaya odaklanan kritik bir araştırma alanıdır. Blokchaini teknolojisi, veri tahrifatı ve yetkisiz erişim gibi geleneksel ödeme sistemleriyle ilişkili riskleri azaltan merkezi olmayan bir çerçeve sunar. Bu çalışmada model mimari olarak Solana blockchain altyapısı entegre edilmiştir. Solana'nın yüksek hızlı ve düşük maliyetli işlem özelliklerinden yararlanılarak projenin temel gereksinimlerini karşılayacak bir sistem tasarımı gerçekleştirilmiştir. Akıllı sözleşmeler Rust programlama dili kullanılarak geliştirildi. Blockchain tabanlı ödeme sistemlerinin güvenilir ve verimli çalışmasını sağlamak için Rust'ın performans odaklı ve güvenli bellek yönetimi özellikleri tercih edildi. Akıllı sözleşme geliştirme sürecinde işlem mantığı, veri doğrulama ve güvenlik önlemleri gibi unsurlar özenle tasarlandı. Ayrıca token transfer fonksiyonları ve kullanıcı yetkilendirme süreçleri Solana'nın Program Library standardı kullanılarak modellendi. Web tabanlı kullanıcı arayüzü React kütüphanesi kullanılarak oluşturuldu. React'in bileşen tabanlı mimarisi ve dinamik veri yönetimi yetenekleri, kullanıcı deneyimini geliştirecek bir arayüz geliştirilmesini sağladı. Bu süreçte kullanıcıların dijital cüzdanları üzerinden sisteme güvenli bir şekilde erişebilmeleri için dijital cüzdan entegrasyonu gerçekleştirildi. Kullanıcıların blockchain işlemlerini kolayca gerçekleştirebilmelerini sağlayan Phantom, Sollet vb. gibi Solana uyumlu cüzdanlar tercih edildi. Sistem bileşenleri detaylı olarak analiz edilmiş ve mimari tasarımın temel taşları olarak belirlenmiştir. Bu bileşenler arasında akıllı sözleşmeler, blokchaini ağı, kullanıcı arayüzü ve dijital cüzdanlar yer almaktadır. Ayrıca bu bileşenler arasındaki iletişim mekanizmaları tanımlanmış ve veri akışını optimize etmek için gerekli protokoller belirlenmiştir. Sistem, kullanıcıların işlem güvenliğini ve veri bütünlüğünü sağlamayı amaçlayan bir yapıda tasarlanmıştır. Bu yöntem ve araçlar bir araya getirilerek, blockchain tabanlı ödeme sistemlerinin oyun geliştirme platformlarında uygulanabilirliğini değerlendiren bir model sunulmuş ve proje güvenlik açısından tartışılmıştır. Bu tez, akıllı sözleşmenin Rust ile ilgili güvenlik, giriş ve çıkış işlemleri, kullanıcı ve imzalayan kimliklerinin güvenli çalışması gibi güvenlik açıklarını ve avantajlarını inceleyerek oyun platformlarında blokchaini tabanlı ödeme sistemlerinin güvenliğine genel bir bakış sunmaktadır.
Detecting android malware by using fuzzy set-based weighting method and firefly optimization algorithm
Android OS is open-source and easy to use mobile operating system. It is also user-friendly with many other features. In this way, it is a very preferred operating system on mobile phones. As a result, it becomes the target of malicious people. Applications installed on the Android operating system from the Google Play Store or by third-party application providers, also known as Android package files, may contain malicious software. So far, a variety of analyzes and detections have been made to detect such malware. While detecting malware, good results have been obtained with various methods, but malicious people have developed methods of hiding themselves against these methods. We propose a new feature selection method based on Firefly Optimization Algorithm with the Fuzzy Set-Based weighting method. The proposed method performs better than traditional feature selection methods with fewer features. The experimental results of this study proved that Firefly Optimization is an acceptable optimization algorithm for feature selection to detect malware in terms of classification performance and classification runtime. In addition, experimental evaluation of TF-IDF and Fuzzy Set-Based weighting methods indicates the effectiveness of the Fuzzy Set-Based weighting with a full feature set.
Human activity recognition using deep convolutional neural network
Human activity recognition problems involve the processes of recording and analyzing a person's daily life to identify people's behavioral patterns. Various methods such as Video-Based activity recognition and Sensor-Based activity recognition have been developed to collect activity data. Studies have been carried out by recording activities such as walking, sitting, running, jumping, climbing stairs, climbing stairs by means of depth sensors, wearable (portable) devices, and RGB cameras. Systems have been developed especially in the fields of health, the internet of things, smart cities, transportation, and security with activity recognition. Activity-sensitive approaches have been developed for security monitoring and threat detection through activity recognition. By monitoring activity-based anomalies, potential threats can be identified, and appropriate precautions can be taken. Data collection has become extremely easy because of accelerometer, gyroscope, magnetometer sensors found in almost any smart device. Deep learning methods such as ANN, CNN, RNN, and LSTM are used to classify the obtained data. In our research, we mainly focused on sensor-based activity recognition. Classification tasks were done using 1-D Convolution Neural Network feeding the raw data from the UCI-HAR dataset using accelerometer and gyroscope data. Raw data filtered using Median Filter. We didn't apply any mathematical or statistical feature extraction methods to the data. For the experimental results, we implemented 6, 7, and 12 classes activity recognition, and achieved accuracies of 96.95%, 95.03%, and 93.08%, respectively.
A novel two phased approach combining deep learning and machinelearning classifiers for effective detection of turkish phishing web sites
With the increase in internet speed and the parallel rise in the number of internet-connected devices, online fraud has exhibited a significant surge in recent years. Attackers exploit platforms such as WhatsApp, email, SMS, mobile notifications, and social media messages to disseminate content that is attention-grabbing, intriguing, or fear-inducing. By inducing users to interact with these contents and click on embedded links, these malevolent actors redirect users to counterfeit websites that closely mimic authentic ones, thereby obtaining users' confidential information or engaging in various forms of deception. Commonly referred to as "phishing" sites, these malicious web pages are often used for such deceptive operations. Consequently, it is of paramount importance that mobile applications or browsers possess the capability to identify such harmful websites even before users access them. This study employs a two-stage approach to achieve a 98.4% success rate in identifying malicious sites. The dataset used consists of a list of malicious sites from the National Cyber Incident Response Center (USOM) alongside legitimate domain names. The dataset is divided into two subsets, namely Dataset1 and Dataset2. Dataset1 is employed to train a deep learning-based artificial intelligence model, which yields an accuracy rate of 92% upon completion of training. The websites within Dataset2 are subjected to the deep learning model in the initial stage to acquire phishing scores. Subsequently, by incorporating additional features pertaining to each website and employing a machine learning model for binary classification, the second stage of training facilitates the culmination of the ultimate outcome. Test results demonstrate the capacity to predict phishing incidents with a 98.4% accuracy score for a given website. Keywords: Online Fraud, Cyber Attack, Machine learning, Deep learning, Malicious URL
Makina öğrenmesi ile kurumsal bir ağda anomali tabanlı siber ihlal tespit sistemi: keşif saldırıları üzerinde bir vaka çalışması
Cyber attacks constitute a serious threat to organizations with implications ranging from economic, reputational and legal consequences. As the techniques employed by cyber criminals get more sophisticated, information security professionals face a greater challenge protecting the famous triangle of confidentiality, integrity and availability (CIA). In today's interconnected realm of computer systems, every attack vector has a network dimension. Therefore, this study aims to detect network intrusion attempts with an anomaly-based machine learning model to provide better protection than the conventional misuse-based models. Two different models were built and implemented on a data set gathered from a production environment, ensemble learning and convolutional neural network respectively. To demonstrate the models' reliability and validity, they were applied on UNSW-NB15 benchmarking data set as well. To keep the scope of the study manageable, probing type of attack was focused on and models were trained accordingly. The results suggested that both models detect the chosen type of intrusion attempts with an F1 score of more than 0.97. Convolutional neural network model scored slightly higher with 0.99. Similar results were obtained in UNSW-NB15 data set pointing the proposed model's validity.
IoT cihazlarda veri akışının analizi ve akıllı ev ağındaki MUD uygulamalarının güvenliğinin değerlendirilmesi
IoT usage has shown significant growth in the past decades. A major target for the IoT market is the living spaces which have become smarter by the integration of IoT devices. However, the network infrastructure have not been developed from the perspective of Cyber security. IoT devices are subject to Cyber security threats in multiple fronts. For example, infected IoT devices may contribute to DDoS attacks that target global Internet services, such as the DNS. For mitigation of the attacks, various solutions have been proposed. In this thesis, we review available solutions with a particular focus on the application of a standardized whitelisting method, namely Manufacturer User Description (MUD). For an evaluation of MUD usage in IoT networks, we analyzed traffic of two devices with the aim of detecting recognizable and distinctive traffic patterns. We established specific MUD files based on the detected traffic patterns and evaluated the MUD files for the validation of their proof of work.
Ascon ve Drygascon şifrelerinin diferansiyel-lineer kriptanalizi
Due to rapidly developing technology, devices have become smaller along with their performance capacity and memory. If possible, existing NIST-approved encryption standards should be used on these resource-constrained devices. When an acceptable performance cannot be achieved in this way, there is a need for more lightweight algorithms. Since taking individual measures leads to simplistic designs when designing lightweight algorithms, ciphers can become more vulnerable to cryptographic attacks. Hence some regulation is necessary. To satisfy this need, NIST has decided to start a lightweight cryptography competition to select one or more lightweight algorithms. In this study, we examined Second Round NIST Lightweight Cryptography Standardization Competition candidates to contribute to the course of the competition. Then we focused on two different but structurally very similar cipher suites Ascon and Drygascon to compare their security. We observed 2, 3, 3.5-round truncated differential and 5-round differential-linear distinguishers that were given for Drygascon are erroneous. We present the corrected results and provide the longest practical differential-linear distinguisher of Drygascon. After that, we compared the security of Ascon and Drygascon. We observed that the practical data complexity of the two is very close. However, since Ascon has more rounds than Drygascon, we concluded that Ascon might be more resistant against differential-linear cryptanalysis.
Siber tehdit istihbarat paylaşım teknolojileri ve blokzincir kullanılarak oluşturulan tehdit paylaşım modeli
Against the measures taken, the nature of the threats in the cyber environment is evolving day by day. While script kiddie made amateur cyber attacks were usually experienced beforehand, more sophisticated and targeted attacks are frequently encountered nowadays. Besides that, commonly used signature based techniques for attack detection and threat information staying within organization is insufficient for dynamically changing, organized and targeted threats. Furthermore, with the advance of new technology, computer networks are growing, the number and variety of interconnected devices are increasing and as a consequence attack surface is expanding. As a result, it does not seem possible to reduce all of the vulnerabilities that we encounter. From now on, cyber attack is not a matter of 'if', but it is a matter of 'when'. In order to detect complex attacks one of the newly developed approaches is cyber threat intelligence sharing. Threat intelligence is evidence-based knowledge about threat and assists to decide. It has no value if it is not disseminated though. Organizations can increase situational awareness about targeted cyber threats by sharing internal cyber threat information with trusted partners and integrating external cyber threat information with their security systems in real-time basis. However, common language that allows automation at identification and sharing of threat information is crucial for timely intervention. To that end, various standards are being developed by many organizations and companies. In this study, standards and tools developed for the representation and sharing of threat information are compared, and new threat sharing model is developed using a permissioned blockchain.
Zararlı kod tespiti: LSTM ile run trace analizi
Malicious software threats and their detection have been gaining importance as a subdomain of information security due to the expansion of ICT applications in daily settings. A major challenge in designing and developing anti-malware systems is the coverage of the detection, particularly the development of dynamic analysis methods that can detect polymorphic and metamorphic malware efficiently. In the present study, we propose a methodological framework for detecting malicious code by analyzing run trace outputs by Long Short-Term Memory (LSTM). We developed models of run traces of malicious and benign Portable Executable (PE) files. We created our first dataset from run trace outputs obtained from dynamic analysis of PE files. The obtained dataset was in the instruction format as a sequence and was called Instruction as a Sequence Model (ISM). By splitting the first dataset into basic blocks, we obtained the second one called Basic Block as a Sequence Model (BSM). The experiments showed that the ISM achieved an accuracy of 87.51% and a false positive rate of 18.34%, while BSM achieved an accuracy of 99.26% and a false positive rate of 2.62%.
Saldırgan gözüyle parola saldırılarının birden çok balküpü sistemiyle analizi
Authentication is vital for secure operation of ICT systems. Since the past several decades, alternative solutions have been developed for authentication, such as biometric authentication methods, aiming at replacing passwords. Nevertheless, their success has been limited as evidenced by intensive use of passwords. Today, an average user uses dozens of different passwords in daily practice. The frequent use of passwords in authentication also leads to a close interest of attackers due to rapid the expansion of ICT for the past several decades. Recently, almost 70% percent of cyber attacks target user credentials. This study investigates password attacks from the attacker's perspective by using ten honeypot systems that run mock SSH services. The focus of the analysis is the efficiency of the blacklisting approach against password attacks, and the analysis of the attitudes of attackers as recorded in log files. The relationship between the passwords used in the attacks and the local language of the target country was also investigated using a language identification model.
Yığınlanmış çift yönlü uzun-kısa süreli bellek kullanarak zararlı yazılım tespiti
The recent proliferation in the use of the Internet and personal computers has made it easier for cybercriminals to expose Internet users to widespread and damaging threats. In order protect the end users against such threats, a security system must be proactive. It needs to detect malicious files or executables before reaching the end-user. To create an efficient and low-cost malware detection mechanism, in the present study, we propose stacked bidirectional long short-term memory (Stacked BiLSTM) based deep learning (DL) language model for detecting malicious code. We developed language models using assembly instructions from .text sections of malicious and benign Portable Executable (PE) files. We created our first dataset from assembly instructions obtained from static analysis of the PE files. The dataset was composed of text documents, and it was used in Document Level Analysis Model (DLAM). By splitting the first dataset into single instructions, we obtained the second dataset, which was then used in a Sentence Level Analysis Model (SLAM). We treated each instruction as a sentence, and .text sections as documents. We labeled each document and sentence by their corresponding malicious and benign tags. The experiments showed that the Document Level Analysis Model (DLAM), and the Sentence Level Analysis Model (SLAM) achieved 98,3% and 70.4% F1 scores, respectively.
Spook algoritmasının imkansız ve olası olmayan diferansiyel kriptanalizi
In recent years, the number of IoT devices increased considerably and the security of IoT devices became an important issue. Furthermore, most IoT devices have constrained resources in terms of memory, area and power. Therefore, cryptographic algorithms that provide their security should be suitable for the implementation on the constrained devices. In 2013, NIST initiated a lightweight cryptography project to define the standards of lightweight cryptography. In 2018, the lightweight cryptography project turned into a competition-like process to choose the most convenient algorithms for constrained devices as a NIST standard. 57 algorithms were applied to the project. NIST published all algorithms for public evaluation and encouraged third-party analyses to reveal the weaknesses of algorithms. 32 algorithms were chosen as round 2 candidates. In this thesis, we have investigated the Spook algorithm, which is one of the round 2 candidates of the NIST's lightweight cryptography competition. Spook is an AEAD algorithm that uses duplex sponge construction and tweakable block cipher. Besides, Spook has an internal permutation which is Shadow-512. We have worked on Shadow-512 permutation to find a distinguisher. Shadow-512 permutation was designed as 6-Step. The outputs of Shadow-512 permutation should seem random after the 6-Step operation. However, we have found two different 6-Step impossible differential distinguishers that cover full Shadow-512. Besides, we have found 7-Step impossible distinguisher and 8-Step improbable distinguisher by adding one or more additional steps to Shadow-512. The 8-Step improbable differential covers the largest number of steps of Shadow-512 compared to previously found distinguishers in other published papers. To conclude, we can distinguish 6-, 7-, 8-Step of Shadow-512 from a random permutation by using our distinguishers.