Derin öğrenme yöntem ve modelleri kullanılarak sosyal mühendislik saldırılarının tespitinde yeni yaklaşımların geliştirilmesi

Günümüzün dijital dünyasında meydana gelen gelişmeler neticesinde kullanıcıların sosyal medyada paylaştığı verilerin güvenliğini sağlamak da bilgi güvenliğinin önemini artırmaktadır. Gerekli güvenliğin sağlanmadığı dijital ortamlarda kullanıcıların her türlü verisi saldırgan olarak nitelendirilen kötü niyetli kişilerin açık hedefi haline gelmektedir. Saldırganlar tarafından kullanıcıların başta kişisel verileri ve iş hayatına ilişkin verileri olmak üzere her türlü verisi ele geçirilebilmektedir. Verileri ele geçirmek için kullanılan en yaygın yöntemlerden olan sosyal mühendislik saldırıları bilgi güvenliği ve veri güvenliği açısından büyük tehlike arz etmektedir. Kullanıcıların dijital ortamlarda da en az fiziki ortamlarda olduğu kadar güvende olması günümüzün en önemli sorunları arasında olmakla birlikte bu güvenliğin sağlanması da öncelikle bu saldırıların tespiti ile engellenmesine dayanmaktadır. Bu nedenle öncelikle en yaygın sosyal mühendislik saldırı türleri yakından tanınmalıdır. Akabinde bu saldırıların açıklıkları bulunarak tespiti için yine dijital yöntemlerin geliştirilmesi gerekliliği açıktır. Tez çalışması kapsamında kullanıcıların veri güvenliğinin korunması için en yaygın sosyal mühendislik saldırısı olan SMS kimlik avı saldırılarının tespitine yönelik yenilikçi bir yaklaşım önerilmiştir. DDİ teknikleri ile bu saldırıların tespiti gerçekleştirilerek kullanıcıların bu saldırılardan korunması amaçlanmıştır. DDİ teknikleri kullanılarak Hibrit CNN-BiLSTM yöntemi ile SMS kimlik avı saldırılarının tespiti gerçekleştirilmiştir. Model başarımı 0.998 olarak elde edilmiştir. Ardından Hibrit CNN-GRU yöntemi kullanılarak SMS phishing tespiti gerçekleştirilmiştir. Bu yöntemle gerçekleştirilen tespitin başarım oranı 0.996 olarak elde edilmiştir. Son olarak DDİ teknikleri ile Twitter verileri kullanılarak kısa metinler üzerinde Gated Recurrent Unit (GRU) ile nefret söylemi tespiti gerçekleştirilmiştir. GRU modeli ile 0.998'lik bir başarım elde edilmiştir. Tez çalışması ile DDİ teknikleri kullanılarak sosyal mühendislik saldırılarının tespitinin gerçekleştirilmesi ve literatüre bu alanda katkı sağlanması hedeflenmiştir.