Lot tabanlı uydu ağlarında siber tehditlerin tespiti

Uydu tabanlı IoT ağları, iletişim ve savunma gibi birçok kritik hizmette kullanılmasından dolayı siber güvenlik açısından oldukça yüksek öneme sahiptir. Bu tez çalışmasının amacı IoT tabanlı uydu ağlarında meydana gelen siber tehditleri erken aşamada ve yüksek doğrulukla tespit edebilen bütünleşik bir analiz yaklaşımı geliştirmektir. Bu çalışmada hibrit derin öğrenme modellerinin hem zamansal hem de yapısal örüntüleri birlikte öğrenerek geleneksel yöntemlere kıyasla daha başarılı sonuçlar vereceği ve çok katmanlı mimarilerin farklı saldırı türlerini ayırt etmede performansı artıracağı hipotezleri sınanmıştır. Araştırma, IoT ve uydu ağ ortamlarını temsil eden farklı siber güvenlik veri setlerinden elde edilen ağ trafiği kayıtlarından oluşmaktadır. Bu veri setleri hem normal hem de çeşitli saldırı türlerini içerecek şekilde seçilmiştir ve güncel çalışmalarda sıklıkla kullanılan güvenilir veri setleridir. Çalışmada veri ön işleme, özellik çıkarımı ve sınıflandırma gibi aşamalarından oluşan çok aşamalı bir yöntem uygulanmıştır. CNN, LSTM ve dikkat mekanizmalarını gibi yöntemleri birleştiren hibrit derin öğrenme modelleri kullanılarak aykırılık tespiti yapılmış ve modelin güvenilirliği çeşitli performans metrikleri ile değerlendirilmiştir. Elde edilen bulgular önerilen modellerin saldırı ve normal trafiği yüksek doğruluk oranlarıyla ayırt edebildiğini ve farklı veri setlerinde tutarlı sonuçlar verdiğini göstermektedir. Hibrit yapıların karmaşık saldırı örüntülerini yakalamada tekil modellere göre daha etkili olduğu belirlenmiştir. Bu tez sonucunda IoT tabanlı uydu ağları için ölçeklenebilir ve yüksek doğruluk oranlarına sahip birden fazla siber tehdit tespit yaklaşımları ortaya konmuştur.