Nesnelerin interneti temelli akıllı şebekelerde güvenlik zafiyetlerinin tespiti ve çözümüne yönelik yeni yaklaşımların geliştirilmesi

Nesnelerin interneti uygulamaları sayesinde geleneksel elektrik şebekelerinin daha etkin kullanımı için akıllı şebeke sistemleri geliştirilmiştir. Birçok avantajına rağmen akıllı şebeke uygulamaları, iletişim altyapılarının doğasından kaynaklı zafiyetlerden dolayı siber saldırılara maruz kalabilmektedir. Bu siber saldırılar hem şahısları hem de toplumları olumsuz yönde etkileyebilmektedir. Dolayısıyla bu siber saldırıların yapısını anlamak ve bunların çözümüne yönelik yapay zeka temelli yöntemler geliştirmek son derece önemlidir. Düşük faturalandırma için enerji hırsızlığını amaçlayan siber atakların tespit edilmesi, akıllı şebeke uygulamalarının yaygınlaşmasında enerji sağlayıcılar için çözülmesi gereken önemli bir problemdir. Veri odaklı çalışan makine öğrenmesi yöntemlerinin hibrit kullanımı, problemin çözümüne yönelik tatmin edici sonuçlar sağlamaktadır. Bu tez çalışmasında, nesnelerin interneti temelli akıllı şebekelere yapılan siber saldırı türleri ağ katmanlarına göre detaylıca incelenmiş, olası tehditler ve potansiyel çözüm önerileri ortaya konulmuştur. Daha sonra akıllı şebekelerde güvenlik zafiyetlerinin tespiti ve çözümüne yönelik yapay zeka temelli iki yaklaşım önerilmiştir. İlk olarak akıllı şebekelerde kullanıcı tüketim kalıpları üzerinden enerji hırsızlığı tespiti için dengeli ve dengesiz verisetleri kullanılarak derin öğrenme tabanlı bir yaklaşım geliştirilmiştir. Derin Sinir Ağı (Deep Neural Network - DNN) tabanlı olan bu yaklaşımda iki farklı saldırı vektörünün birisinin tespitinde %97.46'lık bir başarım elde edilmiştir. İkinci olarak, akıllı şebekelerde dengeli verisetlerinden enerji hırsızlığının tespiti için Evrişimsel Sinir Ağı (Convolutional Neural Network - CNN) tabanlı hibrit yöntemler geliştirilmiş, başarım oranı %95.34 olan CNN+LR yaklaşımı önerilmiştir. Önerilen bu yaklaşım ile akıllı sayaçlar tarafından üretilen tüketim verilerini siber ataklar ile gerçeğinden daha düşük göstermek isteyen kötü niyetli kullanıcıların tespiti başarıyla sağlanmıştır. Bu çalışmada, dürüst kullanıcı verilerine altı farklı saldırı vektörü uygulanmış ve böylece tahrif edilmiş tüketim verileri sentetik olarak oluşturulmuştur. Her bir saldırı vektörünün tespiti için beş farklı derin öğrenme tabanlı hibrit model uygulanmıştır. Veri dengesizliği sorununu çözmek için bu alanda neredeyse hiç kullanılmamış olan Çekişmeli Üretken Ağ (Generative Adversarial Network - GAN) yöntemi kullanılmıştır.