49
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Yeni nesil makine öğrenmesi yöntemleri tabanlı ortam seslerinden duygu ve şiddet tespiti
Bu tez, çevresel ses sınıflandırma, konuşmacı sayma, şiddet yoğunluğu algılama ve topluluk duygu tespiti gibi çeşitli ses tabanlı tanıma görevleri için hafif, yorumlanabilir ve yüksek performanslı makine öğrenimi modellerinin Bu tez, çevresel ses sınıflandırma, konuşmacı sayma, şiddet yoğunluğu algılama ve topluluk duygu tespiti gibi çeşitli ses tabanlı tanıma görevleri için hafif, yorumlanabilir ve yüksek performanslı makine öğrenimi modellerinin geliştirilmesi için kapsamlı bir çerçeve sunmaktadır. Her biri el yapımı, hafif sıklet, örüntü tanıma veya kaostan ilham alan özellik çıkarma tekniklerini, optimize edilmiş sınıflandırma stratejilerini ve DWT ve TQWT gibi çok seviyeli sinyal dönüşümlerini içeren yedi yeni model önerilmiştir. Her model, kendi görevleri için özel olarak oluşturulmuş yeni, dengeli ve halka açık veri kümeleri üzerinde eğitilmiş ve değerlendirilmiştir. Tüm modeller GPU hızlandırmasına ihtiyaç duymadan çalışarak düşük hesaplama kaynaklarıyla yüksek doğrulukta ses sınıflandırmasının mümkün olduğunu göstermektedir. Genel olarak bu tez, gerçek zamanlı, gömülü veya düşük kaynaklı ortamlarda kullanıma uygun açıklanabilir, verimli ve ölçeklenebilir modeller sunarak derin öğrenmeye güçlü bir alternatif sunmaktadır. Bu tez çalışması yeni nesil makine öğrenmesi modelleriyle duygu ve şiddet tespiti alanına önemli bir katkı sağlamaktadır. Önerilen çözümler kamu güvenliği, adli bilişim, akıllı gözetim, sağlık izleme ve duygusal hesaplama alanlarında gelişmiş uygulamaların önünü açmaktadır.
Veri kazıma yöntemleri ile siber tehdit istihbaratı aracının geliştirilmesi
Teknolojinin giderek gelişmesi ve her türlü bilginin internet ortamına taşınması yeni sorunlara sebep olmuştur. Sorunların başında bu verilerin güvenli bir şekilde saklanması ve muhafaza edilmesi gelmektedir. Çalışmada siber güvenlik ürünlerinden bahsedilmiş ve ne işe yaradıkları belirtilmişlerdir. Siber saldırılarının boyutları anlaşılması için saldırıya uğrayan büyük şirketlere yer verilerek yapılan büyük saldırılara değinilmiştir. Siber güvenlik ürünleri tek başına yetmemekte ve siber istihbarat ile desteklenmelidir. Global ve yerli çözüm istihbarat kaynaklarından bahsederek en popüler programa dili olan python ile siber istihbarat aracı geliştirilmiş ve çıktıları paylaşılmıştır.
Güvenlik bilgileri ve olay yönetimi (SIEM)/log korelasyon kurallarının yazılması
Saldırı tespit sistemleri, bilgisayar sistemlerine ve ağlarına veya genel olarak bilgi sistemlerine yönelik saldırıları tespit etmeyi amaçlar. Günümüzde bilgi güvenliği açısından en önemli problemlerden biri de siber saldırıları tespit etmektir. İnternet ağlarına bağlı bilgisayarlar sömürülmeye açık bir ortam yarattığından çeşitli gizli bilgilerin açığa çıkmasına ve zarar görmesine ortam hazırlarlar. Bu nedenlerden dolayı kurumlar için önemli olabilecek verilere yönelik gerçekleştirilebilecek siber saldırıların tespit edilmesi ve bu tür saldırılara karşı önlem alınması bilgi güvenliği açısından kritik öneme sahiptir. Neredeyse çoğu kurum bu durumun farkında olmakla beraber kendi Siber Güvenlik Operasyon Merkezlerini kurmaktadır. Bu düşünceye sahip kurumlarda SIEM ürünü bulunmakta ve yazılan korelasyon kuralları ile saldırı aktiviteleri, şüpheli aktiviteler ve anomali durumlar önceden tespit edilebilmektedir. Bu çalışmada çeşitli güvenlik cihazlarından, işletim sistemlerinden, ağ sistemlerinden, web uygulama sunucularından alınan logların(iz kayıtları) formatları araştırılmıştır. Alınan loglar bir SIEM ürününde birleştirilerek anormalliklerin tespiti, web uygulamalarına yönelik saldırıların tespiti, uç nokta sistemlerdeki şüpheli aktivitelerin belirlenmesi, işletim sistemi kategorisindeki anormallikleri yakalama özelindeki durumların tespit edilmesi için örnek korelasyon kuralları yazılmıştır. Anahtar Kelimeler: Log, Korelasyon kuralları, SIEM
Dijital sistemler üzerinden güvenli veri toplama ve yok etme yöntemlerinin araştırılması ve uygulanması
Ceza Muhakemesi Kurulunca elektronik delil, teknolojik gelişmelere bağlı olarak bilgisayar ve bilgisayar sistemleri aracılığıyla kanıtlanmış bir delil sistemi haline gelmiştir. Mahkemelerce geçerliliği olan bu kanıtlar, dijital sistemler üzerinde gerçekleşen suçlarının aydınlatılmasında çok önemli bir rol oynamaktadır. Ceza muhakemesi hukuku kapsamında incelenecek delillerin toplanması, incelenmesi ve bütünlüğünün korunması için ceza muhakemesi kurallarına ve teknik kurallara uyulması çok önemlidir. Sosyal ağlar üzerinden gerçekleşen iletişimin teknolojiye bağlı olarak hızla gelişmesiyle birlikte elektronik ortamda suç ve ceza oranları artmıştır. Bilgisayarların ve diğer elektronik cihazların kötüye kullanılması sonucu adli davalarda geleneksel delil toplama yöntemlerinin yetersizliği nedeniyle, bilgisayar ve elektronik cihazların dahil olduğu bir vakada delil için özel bir yöntem ve tekniklerin kullanılması bir zorunluluk haline gelmiştir. Günlük hayatta dijital sistemlerde çok fazla veri depolanmaktadır. Bu veriler değersiz veriler olabileceği gibi kişisel veriler, özel nitelikli hassas veriler, kurumsal politikalar, kredi kartı numaraları, mali kayıtlar gibi önemli veriler de olabilir. Verileri yok etme ve toplama yöntemleri, depolama alanındaki verilerin güvenliğini sağlamak kadar önemlidir. Verilerin imha edilmesi gerektiğinde, güvenli ve kalıcı bir şekilde lisanslı yazılım ve donanımlar ile imha edilmelidir. Veriler toplanması gerektiğinde, yazma engelleyicili bir şekilde verinin bütünliği sağlanarak ilgili prosedürlere uygun olarak toplanmalıdır. Bu çalışmada, dijital sistemler üzerinde güvenli veri toplama ve veri yok etme yöntemleri, yazılım ve donanımları araştırılacak ve uygulanacaktır. Anahtar Kelimeler: Adli bilişim, Elektronik delil, Veri toplama ve yok etme, Adli bilişim yazılım ve donanımları
DevSecOps süreçlerinin çevikleştirilmesi: Dinamik log analiz yaklaşımı
Yazılım sektörü için her geçen gün artan esneklik ve performans artırım ihtiyacı günümüzde DevOps kavramını var etmiştir. Günümüzde DevOps sistemleri, güncel yazılım geliştirme süreçleri için çok büyük önem taşımaktadır. Güvenlik sektörünün de öneminin son yıllarda çok ciddi bir artış göstermesi de DevSecOps kavramının meydana çıkmasını sağlamıştır. Bu bağlamda sistemlerin kendilerine özgü yapılarına göre sürekli işleyen denetim, operasyon ve geliştirme süreçlerine dair otonom süreç bütünü esneklik ve performans artırımının düşük maliyetle sağlanabilmesi için çok kritik önem taşımaktadır. Bu tez çalışması kapsamında otonom olarak DevSecOps süreçlerini daha çevik bir şekilde tasarlamak amaçlanmıştır. Önerilen DevSecOps modeli, yazılımsal sistemlerin en kaliteli ve güvenli şekilde geliştirilmesi için güvenlik denetim mekanizmalarının sisteme özgü olarak oluşturulabilmesini hedeflemektedir. Önerilen sistem, otonom güvenlik denetim mekanizması için sunucu üzerinde bulunan loglardan faydalanarak öğrenme yapmaktadır. Bu öğrenme kapsamında sistem, üzerinde sömürülmesi muhtemel olabilecek zafiyetlere dair önlem almak üzere istatistiki sonuçlar vermektedir. Önerilen DevSecOps modelini doğru çalışması, ancak anormal durumların ve zafiyet karakteristiklerinin sürekli olarak tespit edilebilir olması durumunda mümkündür. Yapılan çalışmada önerilen DevSecOps modeline yönelik uygulanabilirliğin sınanması için, Docker kaynak kullanım istatistiklerini gösteren log dosyaları oluşturulmuştur. Bu log dosyaları analiz edilerek anormal durumların ve zafiyetlerin karakteristiğinin tespit edilebilirliğine dair, z-skor ve nokta çift serili korelasyon metotlarıyla analiz yapılarak bulgular oluşturulmuştur. Bulgulara göre varılan sonuç göstermektedir ki anormal durum tespitini ve zafiyet karakteristiğini loglar üzerinden tespit edebilmek mümkündür.
Windows işletim sistemi kalıntılarının analizini gerçekleştiren siber olay müdahale aracının geliştirilmesi ve olay zaman çizelgesinin çıkarılması
Windows işletim sisteminin dünya genelinde günden güne kullanımı yaygınlaşmaktadır. Bununla birlikle, windows işletim sistemine ait sürümler gelişmekte ve güncellenmektedir. Windows'un yaygın olarak kullanılan sürümlerinde suç teknikleri ve türevleri sürekli değişmekte, saldırganların kurbanlarını etkisi altına alması hızla artmaktadır. Bu zaman zarfında kurbanların makinelerindeki adli analiz ve adli kopya yöntemlerinin gerçekleştirilmesi uzun sürdüğü için saldırganların tespiti ve saldırının önlenmesi zaman kaybettirmektedir. Windows işletim sistemleri olarak makine üzerinde gerçekleşen süreçleri, kullanıcı aktivitelerini, dosya sistem ve kayıt defteri kayıtlarını, uygulama ve kullanıcı kalıntılarını tespit etmek için güncel yöntemler, araç-gereçler kullanılarak zaman kaybı azaltılmaya çalışılmaktadır. Windows işletim sistemlerinde adli kopya alma ve alınan kopyaların analizinde kullanılan araçlarının genellikle ticari yükünün olması, alanın geliştirilebilirliği yönünde engel arz etmekte ve incelemeleri geciktirmektedir. Bu sebeple açık kaynak kodlu yazılımlar ile kurbanın dahil olduğu olayları doğrudan analiz edebilmeyi sağlayan log kayıtlarının incelenebilmesi zaman ve ticari boyut açısından kayıpları azaltılabilmektedir. Aynı zamanda elde edilen log kayıtları ile saldırı zaman çizelgesi oluşturularak saldırının verdiği zarar gözlemlenebilmektedir. Bu tez çalışmasında Windows işletim sistemlerinde saldırganların genellikle iz bıraktıkları log kayıtları ve kalıntıların toplanmasının ardından ayrıştırılması ve ardından olay zaman çizelgesinin çıkarılması sunulmuştur. Kalıntıların ayrıştırılması için güncel yöntemlerin yanı sıra açık kaynak kodlu siber olay müdahale aracının geliştirilmesi gerçekleştirilmiştir. Ayrıştırılan kalıntıların, olay-zaman çizelgesi oluşturularak saldırgan-kurban ilişkisinin kayıt çizelgesinden bahsedilmektedir. Bu tez çalışmasında geliştirilen ve IR-Parser adı verilen yazılımın adli bilişim ve siber güvenlik alanında çalışan insanlara faydalı olacağı düşünülmektedir.
Elektronik delillerin adli süreçteki aşamalarına uygun blok zinciri uygulaması geliştirilmesi
Suçun aydınlatılması ve suçlunun tespit edilmesi açısından elektronik deliller oldukça önemlidir. Elektronik ortamlardan elde edilen verilerin delil niteliğini koruması, maruz kaldığı müdahalelerde itirazlara yol açacak durumların ortadan kaldırılması ile mümkün olacaktır. Elektronik delillere el koyma veya imaj alma aşaması ile başlayan adli süreç birçok iş ve işlem ile devam etmektedir. Bu işlemlerin neler olduğu, kimlerin ne gibi bir işlem yaptığı bilgisine ait kayıtların tutulmaması adli aşamalarda elektronik deliller ile ilgili itirazlara sebep olmakta, bu itirazlar sonucunda bazen elektronik deliller adli makamlarca delil niteliğini yitirdiği yönünde kararla dosyadan çıkarılabilmektedir. Bu tez çalışmasında uluslararası alanda kabul görmüş, veri doğruluğu ve bütünlüğü açısından son derece güvenilir bir sistem olan blok zinciri teknolojisi kullanılarak elektronik delillerin süreç yönetiminin kayıt altına alınmasını sağlayan bir uygulama gerçekleştirilmiştir. Uygulama ile adli merciler ve kolluk kuvvetleri tarafından bir suça konu elektronik delillerin ilk müdahalesinden başlayıp adli sürecin sonlanmasına kadar geçen süreç içerisinde yapılan her iş ve işlem blok zinciri teknolojisi ile kayıt altına alınmış, böylece yapılan her işlemin silinemez ve değiştirilemez bir kaydının oluşması sağlanmıştır. Uygulamada gerçek bir adli vaka konusu elektronik delilin süreç içerisindeki adımları canlandırılmış, süreç içerisinde yer alan elektronik delile yapılan iş ve işlemlerin kayıtlarının uygulama üzerinden değiştirilemez ve silinemez olduğu kanıtlanmıştır.
Mobil sohbet uygulamalarının incelenmesinde adli analiz modelinin oluşturulması
Mobil sohbet uygulamalarının yaygın kullanımı, ülkelerin mevcut sistemler ile iletişim tespiti ve suçun aydınlatması konularında yetersiz kalması mobil cihazların incelenmesi gerekliliğini doğurmaktadır. Bu incelemelerde ise ortaya birtakım zorluklar çıkmaktadır. Kullanılan inceleme yazılımları bu zorlukları kısmen aşmakta fakat aşamadığı ve tanımlayamadığı durumlarda herhangi bir veri getirememektedir. Böyle bir inceleme sonucunda var olan veriler inceleme yazılımları tarafından tanımlanmadığından yapılan incelemeler eksik kalmakta ve soruşturma konusuna herhangi bir fayda sağlamamaktadır. Yapılan bu tez çalışmasında imajı alınabilen mobil cihazların imajları üzerinden, imajı alınamayan mobil cihazların işletim sistemlerine uygun olarak sanal makinelerde oluşturulan işletim sistemleri üzerinden istenilen incelemeler gerçekleştirilmiştir. Her bir sohbet uygulaması için oluşturulan senaryolar üzerinden birinci aşamada mevcut inceleme yazılımları ile mobil sohbet uygulamalarının analizleri yapılmış olup ikinci aşamada ise mobil sohbet uygulamalarına ait veri tabanı dosyaları manuel olarak incelenmiş, sohbet uygulamasına ait kullanıcı verilerini tutan veri tabanı dosyalarına bakılarak hangi bilgilerin elde edilebileceği tespit edilmiştir. Sonuç olarak incelenen sohbet uygulamalarından elde edilen bu bilgiler doğrultusunda bir karşılaştırma tablosu oluşturularak manuel yöntemler ile mobil sohbet uygulamalarının adli analizi modeli ortaya konulmuştur.
Olay yeri incelemelerinde radyo frekans tabanlı cihazların tespiti yöntemi geliştirilmesi
Günümüzde birçok IOT cihaz, akıllı saat, akıllı bileklik, akıllı kulaklık, kullanılmaya başlanmıştır. Adli bilişim alanında yapılan delil toplama çalışmaları genellikle gözle görülen delillerin tespiti ile başlamaktadır. Gözle tespiti zor olan ve uzaktan erişime açık olan elektronik delillerin toplanması olay yerinde birinci önceliğe sahip olmalıdır. Elektronik bir delilin uzaktan erişim yoluyla değiştirilmesi ve/veya erişilemez hale getirilmesi işlenen suçun açıklığa kavuşmasını engelleyebilmektedir. Tez çalışmasında olay yerinde aktif wifi ya da bluetooth bağlantısı olan mobil cihazların ve aktif yayın yapan bağlantı noktalarının tespiti içi yöntem geliştirilecektir. Sistem SDR (Software Defined Radio) tabanlı programlanabilir, frekans aralığı ve bandı değiştirilebilir şekilde tasarlanarak farklı bandlarda tarama ve elektronik delilin konumunun bulunmasına yönelik geliştirme yapılmıştır. Sistem tespit ve konumlandırma olarak iki ana başlıktan oluşmaktadır.
Siber saldırı türlerinin simüle edilmesi ve YARA ile tespiti
Bilişim sistemlerinin oldukça hızlı gelişimi, kurum ve kuruluşların tüm iş süreçlerini bilişim sistemleri üzerine taşımasını ve tüm süreçlerin bu sistemler üzerinde yürütülmesini ortaya çıkarmıştır. Bununla birlikte sistemler üzerinde bulunan şirket verilerinin ve kişisel verilerin güvenliğini sağlamak da bir sektör haline gelmiştir. Aynı zamanda kuruluşların bilişim sistemlerindeki verilerini hedef alan kötü niyetli kişi veya gruplar tarafından verilerin güvenliği tehlikeye atılmaktadır. Kuruluşların bu saldırgan kişi veya gruplar tarafından hedef alınması her geçen gün daha da artmaktadır. Dolayısıyla kuruluşlar kendi sistemlerini korumak amacıyla siber güvenlik için çeşitli çözümler kullanmaya başlamışlardır. Ancak bu çözümler sürdürülebilir bir siber güvenlik alt yapısı ve fiziksel ekibi olmayan kuruluşlar için yeterli değildir ve bu kuruluşlar saldırganların hedefi olmaktan kaçınamazlar. Saldırganların hedefi olmuş bir kurum veya kuruluşta oluşacak hasarın en aza indirgenmesi, oluşan hasarın onarılması ve yetkisiz erişimlerin kaldırılması için Adli Bilişim ve Olay Müdahalesi süreçleri işletilir. Adli bilişim ve olay müdahalesi süreçlerinde inceleme yapılan kurum alt yapısındaki tüm uç noktaların hızlı bir şekilde analiz edilmesi ve tüm tehdit unsurlarının tespit edilip ortadan kaldırılması kurum faaliyetlerinin devam etmesi açısından önem arz etmektedir. Bu tez çalışmasında siber dünyada aktif olarak sıkça kullanılan saldırı türlerinin analizi yapılmaktadır. Aynı zamanda bu saldırı türleri simüle edilmektedir. Adli Bilişim ve Olay Müdahale süreçlerinde Windows ve Linux sistemlerin bulunduğu bir sanal ortam oluşturularak bu ortamda sık kullanılan siber saldırı yöntemlerinin uygulanması ve bu yöntemlere karşı savunma mekanizmalarının geliştirilmesi, olay örgüsünün çözülerek kök sebebin ortaya çıkarılmasına katkı sağlamak hedeflenmiştir. Bu çalışmanın motivasyonu tüm kurum ve kuruluşların karşı karşıya olduğu siber tehditlerle baş edebilmektir. Tez çalışmasında yapılan uygulamada Windows sistemlerde sıkça karşılaşılan zararlı yazılım türevlerinin manuel tekniklerle ve açık kaynak çözümlerden olan YARA ile tespitinin nasıl yapıldığı açıklanmıştır.
Uzaktan eğitim araçlarının adli bilişim açısından incelenmesi
Dijital alanda adli bilişim araştırması yapan kişilerin işleri bu alanın bakir olmasından dolayı bu alanda çalışma yapmak zor olabilmektedir. Gün geçtikçe teknolojinin sürekli gelişmesi, yeni platform ve programların yayınlanması her uygulamanın, programın kendine özgü inceleme metotlarının olması gerekliliği sonucunu doğurmaktadır. Bu durum dijital inceleme yapacak olan kişilerin kendini sürekli geliştirmesini ve bu alanda kendilerine yol gösterecek kaynaklara ihtiyaç duymasını gerekli kılar. Uzaktan eğitim araçlarının adli bilişim açısından incelenmesi önemli bir konudur. Dijitalleşmenin giderek arttığı çağımızda, salgın hastalıklarında etkisiyle yüz yüze eğitimden ziyade uzaktan eğitim araçları kullanılarak dersler, sunumlar, etkinlikler ve hatta sanatsal faaliyetler yapılmaktadır. Uzaktan eğitim araçlarının adli bilişim açısından incelenmesinin amacı, bu materyallerin kullanımı esnasında meydana gelebilecek adli olayların ve inceleme gerektiren durumların ortaya çıkmasıdır. Bu çalışmayla uzaktan eğitim araçları kullanılarak gerçekleştirilen etkinlikler sonrası önemli veriler elde edilmiştir. Bu veriler, kimin, kiminle, nerede, ne zaman, nasıl, ne amaçla bir etkinlik düzenlediği şeklindeki sorulara cevap olarak araştırmayı yapacak kişilere de fayda sağlayacaktır. Birden çok uzaktan eğitim aracı bulunmasına karşın bu çalışmanın kapsamı daha yaygın kullanıldığı için uzaktan eğitim araçlarından olan Microsoft Teams ve Skype uygulamaları üzerinedir. 2017 yılında Microsoft yeni bir iletişim platformu olan Microsoft Teams'i yayınlamıştır. Uygulamanın diğer benzer uygulamalara göre daha yeni bir yayınlanma tarihi olduğu için bu alanda yapılmış çalışmalar oldukça azdır. Ancak alanda edinilen gözlem sonucunda kullanım oranının hızla arttığını görülmektedir. Bu durumda dijital alanda inceleme yapacak kişilerin söz konusu uygulama ile ilgili olarak çalışma gereksinimlerinin olacağını göstermektedir. Windows 10 işletim sistemine sahip web client uygulamaların yüklü olduğu bilgisayarlar üzerinde gerçekleştirilen bu çalışmada Microsoft Teams ve Skype tarafından depolanan veya ağ üzerinden gelen giden trafik bilgilerinin izole bir ortamda incelenmesi sonucu elde edilen veri ve bilgiler sunulmuştur. Bu çalışmanın gelecekte uzaktan eğitim araçlarına dair araştırma yapacak kişilere yardımcı olması temel amaçlardan biridir.
Web shell saldırı türünün windows forensic teknikleriyle analiz edilmesi
Günümüzde iletişim teknolojilerinin hızla yaygınlaşması ve internet kullanımının artması ile siber saldırılar gün geçtikçe artmaktadır. Meydana gelen siber saldırılar sonucunda; kurumlar maddi ve itibar kaybı gibi büyük kayıplar yaşamaktadırlar. Siber saldırıların geç tespiti, analistlerin yetkinliği ve verilerin ayrıştırılma sürecinde yaşanan aksaklıklar saldırıların zarar boyutunu arttırmaktadır. Bu yüzden meydana gelen saldırıların erken tespiti önem arz etmektedir. Özellikle sistemlere erişim sağladıktan sonra uzun süre sistem içerisinde yıllarca fark edilmeden kalabilen gruplar bulunmaktadır. Bu gruplar APT (Advanced Persistent Threat: Gelişmiş Kalıcı Tehdit) grupları olarak adlandırılıp web shell saldırı türünü sık olarak kullanmaktadırlar. Saldırganların hedef sisteme birden fazla Shell yükleme yöntemi ile erişme olanağı bulunmaktadır. Shell dosya kodu yüklenen sistemlerde saldırganlar erişim yetkisine sahip olarak sistemler üzerinde kötücül aktiviteler gerçekleştirebilmektedir. Bu tezin amacı siber güvenlik dünyasında bulunan ve bu alanda ilgili olan kişilerin bir web Shell saldırısı ile karşılaştıklarında ilk olarak hangi işlemleri yaparak sistemleri kontrol edebileceği ve alınabilecek önlemleri içermektedir. Bu tez çalışmasında bir sistem üzerine web shell yüklemesi yapıldıktan sonra Windows sistemler üzerinde nasıl analiz edilerek tespit edildiği açıklanmış ve adli bilişim açısından analizinin nasıl gerçekleştirilmesi gerektiği ortaya konulmuştur. Tez çalışmasının uygulama bölümünde, saldırı sonrası içerisine file upload yöntemi ile shell yüklemesi yapılmış ve imajı alınmış sistemin analizi gerçekleştirilmiştir. Çalışma sırasında kullanılan analiz yöntemlerinin hepsi açık kaynak kodlu ve ücretsiz yazılımlardır.
Nesnelerin interneti uygulamaları için saldırı tespit yöntemlerinin geliştirilmesi
İnternettin gelişmesiyle birlikte IoT cihazları günümüzde birçok alanda kolaylık sağlamaktadır. Bu kolaylıklar insanların yaşam kalitesini arttırmaktadır. İnsanlar akıllı şehir, akıllı ev ve diğer akıllı platformları uzaktan izlemek ve yönetmek istemektir. Uzaktan izlenen ve yönetilen uygulamalar avantajlarının yanı sıra güvenlik sorunları gibi problemlere neden olmaktadır. IoT platformlarının artmasıyla birlikte saldırganların hedef noktası haline gelmiştir. Bu tür saldırıların tespit edilebilmesi ve güvenlik açıklarının önüne geçilmesi IoT teknolojisinin kullanım oranını daha da arttıracaktır. IoT kullanıcıları, saldırganların en çok tercih ettiği ağ saldırılarından dolayı mağdur olmaktadır. Bu mağduriyetin yanı sıra insanların kişisel verilerine erişim söz konusu olduğu için IoT platformlarındaki talebi olumsuz etkilemektedir. Bu tez çalışmasında, DDoS, DoS ve Brute Force gibi saldırı türleri incelenmiş ve IoT saldırılarını tespit etmek için yöntemler geliştirilmiştir. Tez kapsamında iki temel katkı sunulmuştur. İlk olarak akıllı ev platformunu oluşturmak için Home Assistant teknolojisini kullanan bir laboratuvar kurulmuştur. Bu laboratuvar ortamında IoT cihazlarına Brute Force FTP, Brute Force SSH, DoS HTTP Flood, DoS ICMP Flood, DoS Syn Flood, Syn Scan ve UDP Scan, olmak üzere yedi saldırı gerçekleştirilmiştir. Toplanan veri setine XGBOOST algoritması uygulanarak saldırı türleri tespit edilmiştir. İkinci olarak, literatürde yaygın olarak kullanılan Bot-IoT veri setine Karar Ağacı algoritması uygulanmıştır. Tez kapsamında kullanılan veri setlerine diğer makine öğrenmesi yöntemleri uygulanarak sonuçlar karşılaştırılmıştır.
Android cihazlarda zararlı yazılım analizinin adli bilişim bakımından gerçekleştirilmesi
Teknolojinin ilerlemesiyle beraber günümüzde gerçekleştirilen siber suçlar saldırganlar tarafından saldırı vektörleri kullanılarak kullanıcının mobil cihazında çeşitli işlemler yapabilmektedir. Mobil cihaz türlerinden biri olan Android cihazlar, Android işletim sistemindeki zayıflıklardan, uygulama mağazasındaki zafiyetlerden kaynaklı kolayca istismar edilebilmektedir. Adli soruşturmalar için büyük verileri bulunduran Android cihazlardaki zararlı yazılımların adli bilişim bakımından incelenmesi önem arz etmektedir. Android cihazların, uygun adli bilişim araçları ile adli kopya alma, inceleme ve analiz süreçlerinin gerçekleştirilmesi soruşturmaların açığa çıkmasına katkı sağlamaktadır. Bu nedenle, uzmanların Android cihazları inceleyen adli bilişim araçları hakkında yeterli bilgiye, donanıma ve tecrübeye sahip olması gerekmektedir. Android cihazların sürekli olarak kendini güncellemesi, yeni özelliklerin eklenmesi nedeniyle Android cihazları inceleyen adli bilişim araçlarının güncel sürümlerinin kullanılması gerekmektedir. Yapılan tez çalışmasında, saldırgan bakış açısıyla sızma testi senaryoları gerçekleştirilerek teknik ve teori bilgilere yer verilmiş olup Android cihazda zararlı yazılım analizinin adli bilişim bakımından incelenmesi gerçekleştirilmiştir. Android cihazda zararlı yazılım analizinin adli bilişim bakımından gerçekleştirilmesi noktasında en az iki mobil adli bilişim yazılımı ile mantıksal ve fiziksel imaj yöntemi ile incelenmesi önerilmektedir. Zararlı yazılımlara ait bulgu tespit edildiği noktada manuel inceleme yöntemi tercih edilerek zararlı uygulamaların statik ve dinamik analizinin gerçekleştirilmesi gerektiği kanısına varılmaktadır.
Mobil adli bilişim alanında ülkemizdeki kolluk kuvvetlerinin karşılaştığı sorunların belirlenmesi ve çözüm önerileri
Teknolojinin hızla gelişmesine paralel olarak günlük hayatımızın hemen her alanında kullanılması hayatımızı birçok konuda olumlu ve olumsuz etkilemesine neden olmuştur. İnsanlık tarihine yön veren teknoloji bu hızda ilerlerken teknolojinin ve teknolojik aygıtların suçta kullanılması da kaçılmaz hale gelmiştir. Bu paralel olarak bilişim sistemlerinin kullanılması yoluyla işlenen suçlar giderek artmaktadır. Hırsızlık, tehdit, hakaret, dolandırıcılık vb. suçlar artık daha çok teknoloji kullanılarak, sosyal medya aracılığıyla, çeşitli uygulamalar ile ya da mobil cihazlarla yapılmaktadır. Bu suçların önüne geçebilmek için ülkemizde adli bilişim ve mobil adli bilişim kavramının gelişmesi ve kolluk kuvvetlerinin bu hıza ayak uydurması gerekmektedir. Mobil cihazlar, kullanıcısına sıkı sıkıya bağlı olması nedeniyle içerisinde çok fazla veri bulundurmaktadır. Bu yüzden mobil cihazlar içerisinde kolluk kuvvetlerinin suçu aydınlatmasına imkan tanıyacak çok önemli kanıtlar elde edilebilmektedir. Bu anlamda mobil cihazların içerisindeki kanıtların delil niteliği kazanabilmesi için sırasıyla muhafaza altına alma, adli kopya oluşturma, inceleme ve raporlama aşamalarının sağlıklı şekilde yürütülmesi gerekmektedir. Buna paralel olarak suçlular mobil cihazlarda delil elde edilmesini engellemek için çeşitli delil karartma yöntemleri kullanabilmektedirler. Bunların başında cihaza zarar verme, şifreleme, verileri yok etme vb. seçenekler kullanmaktadırlar. Bu yüzden kolluk kuvvetleri kanıt elde ederken bu ve benzeri engellere karşı kendilerini güncellemeli ve bir adım ileride olmaları gerekmektedir. Bu çalışma ülkemizde ki tüm adli bilişim çalışmalarına yol gösterici olacak niteliktedir.
Speech emotion recognition: Application in distance learning education
Affective computing is a branch of artificial intelligence that tries to pass the innate human capabilities of emotional intelligence to machines to enhance a smooth interaction between humans and computer systems. Speech emotion recognition is an essential aspect of affective computing and plays a significant role in designing systems and machines that recognize, analyze, interpret, and simulate human emotional states. In this project, the concept of speech emotion recognition is being integrated into a distance learning system to investigate the lecture delivering performance via a distance learning platform. To archive this, the performance is classified into three categories: interesting, Neutral, and boring, depending on the lecturer's emotional state. The project is implemented using intelligent machine learning techniques to recognize and interpret a lecturer's emotional state. It is carried out in four major stages of data preprocessing, feature extraction, feature selection, and classification. Our model adopts a comprehensive feature generation approach that utilizes a shoelace graph pattern as a local feature generator alongside tunable Q wavelet transform (TQWT). The best four feature vectors from the feature generation stage are selected and merged to obtain the final feature vector. After that, we applied an NCA method at the feature selection stage to select 512 most discriminative features. We then perform the classification using the SVM classifier. Our proposed network performed well, giving us an accuracy of 96.41% when applied on the Turkish dataset and 94.97% when applied on the English dataset.
Copy-move forgery detection in digital images using convolutional neural network
The detection forgery in digital images has become a hot domain of research in the field of digital image forensics as a result of the prevalent use of image editing tools for manipulating an image to conceal or distort information in the image. One of the most common image forgeries performed is the copy-move forgery. This type of forgery involves copying a segment of the image which is then pasted to a different segment of the same image. The need for detecting whether an image is authentic becomes essential. The existing methods implemented for detecting image forgeries were based on traditional feature extraction algorithms such as block-based and key point-based algorithms. These traditional techniques employed produce a low-performance result. Deep learning techniques have proven to provide better performance in image processing tasks. In this research, a convolutional neural network that is based on a pre-trained ResNet50 network was proposed for the detection of copy-move forgeries in digital images. The proposed model uses the CoMoFoD image dataset in carrying out the experiment. The metric evaluation results achieved in the proposed model show that deep learning methods performance is more effective and efficient in digital image copy-move forgery detection.
EEG sinyallerinden duygu tanıma için akıllı yöntemlerin geliştirilmesi
Günümüzde duyguların tanıması birçok alanda önemli bir unsur haline gelmiştir. EEG sinyallerinin çeşitli beyin ve nörolojik durumları teşhis ettiği düşünülmektedir. Duygusal durumun tespiti ve analizi için karakteristik sinyaller ürettiğinden bu çalışmada EEG sinyalleri kullanılmıştır. Bu tez çalışmasında önerilen modelin birincisinde efektif ve basit yöntem geliştirerek yüksek doğruluğa sahip otomatik duygu tanıma, diğerinde ise tek boyutlu sinyaller için yeni bir öğrenme modeli ile daha yüksek sınıflandırma geliştirerek yüksek doğruluğa sahip otomatik duygu tanıma amaçlanmıştır. Önerilen yöntemlerin birincisinde yerel ikili desen, çok düzeyli ayrık dalgacık dönüşümü, komşuluk bileşen analizi ve k-en yakın komşu sınıflandırıcı kullanılarak yeni bir otomatik EEG duygu tanıma modeli sunulmuştur. Bu model GAMEEMO veri setinde mükemmel sınıflandırma oranına %100.0 ulaşmıştır. Bu sonuçlar, modelin duygu sınıflandırması için EEG sinyalleri üzerindeki yüksek sınıflandırma yeteneğini açıkça göstermiştir. Önerilen diğer yöntemde, asal örüntü ve ayarlanabilir q-faktörlü dalgacık dönüşümü (AQDD) özellik üretme modeli sunulmuştur. Bu model, özellik çıkarma, özellik seçimi ve sınıflandırma olmak üzere makine öğrenimi modelinin tüm aşamalarını kapsamaktadır. Önerilen model 87 özellik vektörü ürettiğinden dolayı, bu model PrimePatNet87 olarak adlandırılmıştır. Önerilen modeli geliştirmek için herkese açık GAMEEMO, DREAMER ve DEAP veri seti kullanılmıştır. PrimePatNet87 modeli, birey bazlı çapraz doğrulama (LOSO) ile tüm veri kümelerinde %99'un üzerinde sınıflandırma doğruluğuna ulaşmıştır. Bu sonuçlar, önerilen asal örüntü modelinin gerçek dünya uygulamaları için hazır olduğunu göstermiştir.
Detection and analysis of cyber-attacks on IoT network devices
One of the most pressing concerns in network forensics is the detection of cyber-attacks in the IoT networks and their devices. Traditional intrusion detection systems based on signature rules are unable to detect current attack types. Hence, the need to urgently develop advanced methods for classifying IoT network traffic that can swiftly detect cyber-attacks becomes inevitable. This research aims to develop machine learning algorithms for cyber-attack detection in IoT-based networks, by analyzing the traffic data composed from the network itself. An ideal IoT network was implemented solely for the attack scenarios and generation of a dataset. The self-generated dataset from the IoT network was utilized for the comparison of machine learning algorithms suitable for the classification of attack-to-normal network traffic data. The algorithms are expected to classify the multi-class data into nine classes (normal traffic inclusive).
Sound based location detection using machine learning methods
Today, sound plays a significant role in every aspect of human life. The number of crimes committed in every environment, from personal security to critical inspections in our environment, is increasing. With this increase, the identification of criminals and the clarification of events are of great importance. Audio data can be used as descriptive information to track the criminal. Activities carried out in our homes produce different sound signals. Various activities are carried out in other locations in the house, and the acoustic properties of the sound in each location differ. As a result of the detection of the produced sound signals, the person's position can be estimated. For this purpose, a new sound dataset consisting of household sound was collected. Videos related to activities to be performed according to home locations on YouTube were used in the generated dataset.In this thesis, the popular machine learning classifiers that have been used by recent research have been applied, such as KNN, SVM, random forest (REF), etc Finally, our model, the Cubic-SVM, determined the position of the classified sound and achieved a good result with an accuracy of 96.85 for identifying the location of the classified sound, compared with existing results obtained by the researchers.
Biyometrik görüntülerde kimlik denetimi için şifreleme teknikleri kullanılarak damgalama
Today, passwords are used first, respectively, to enter buildings or systems. Biometric data is used to increase the level of security after passwords are stolen or obtained. For higher security, it is aimed to provide high security by using smart card, biometric data and password. In the parts where this high security is required, the password, which is the weakest point of the authentication, must be protected. For this purpose, in the study, the password to be entered into the system for the authentication of biometric data was made into a text file by RSA encryption and hidden in the cover image with steganography, and the stamp image was obtained and the stamp was placed in the biometric data with DWT stamping. By investigating biometric data, encryption types and stamping types; Information about image quality measurement PSNR and MSE is given. In encryption, the mathematical explanation and application of RSA encryption has been made. In stamping, the necessary protection of ownership is provided by using DWT. The MATLAB program was used in encryption, steganography and stamping and the results were given.
Adli bilişim ses incelemeleri için yapay zekâ tabanlı cinsiyet tespiti modeli geliştirilmesi
Günümüzde teknolojinin de gelişmesiyle etrafımızda birçok farklı alanda ses verilerine rastlamaktayız. Ses verileriyle işlenen suçların tespitinde konuşmacı tanıma sistemleri kolaylık sağlayacaktır. Konuşmacı tanıma sistemleriyle yaş, cinsiyet, duygu durumu gibi birçok özellik tespit edilmektedir. Tespit edilen bu özellikler bir konuşmadaki önemli özelliklerdendir. Konuşmacının cinsiyetinin tespit edilmesi günümüzde kullandığımız sesli yanıt sistemleri, adli uygulamalar gibi farklı alanlarda işimize yaramaktadır. Adli bilişim alanındaki hukuki olaylarda da karşımıza çıkmaktadır. Konuşmacı sesinin çeşitli özelliklerini incelenerek bu özellikler doğrultusunda çıkarılacak ipuçlarıyla konuşmacı yaşı ve cinsiyeti tespit etme çalışmaları incelenmiştir. Sesin farklı özellikleri açıklanmış, sinyal yapısı ve analizi ile ilgiler bilgiler verilmiş, ses adli bilişiminden bahsedilmiştir. Kullanılabilecek sınıflandırma yöntemleri karşılaştırılmıştır. Toplanan veri seti ile konuşmacının sesinden cinsiyet tespitinde kullanılabilecek bir model geliştirilmiştir. Modelde özellik çıkarımında bir boyutlu üçlü yerel örüntü ve sınıflandırma yöntemi olarak DVM kullanılmıştır. Önerilen metodun doğruluk oranı %99,59 olarak hesaplanmıştır.
Linux sistemler için derinlemesine adli analiz yapılarak kalıcılık yapılarının tespit edilmesi
Günümüzde, siber saldırganlar ele geçirdiği makineler üzerinde hızlı bir şekilde yayılım gösterebilmektedir. Olay müdahale ekipleri, saldırının izlerini tespit etmek ve olası tehditleri takip etmek için güvenlik ihlaline maruz kalan makineler üzerinde uçtan uca inceleme yapmaktadır. Olay müdahale ve adli analiz süreçlerinde dijital delillerin incelenmesi ve kovuşturma evresine geçiş yapılması büyük önem taşımaktadır. Windows işletim sistemlerinde Adli bilişim uzmanları, saldırının takibi sürdürebilmesi için bazı makinelerden toplu ve hızlı şekilde veriler toplayıp analiz edebilme imkanına sahiptir. Linux açık kaynak kodlu işletim sistemlerinde görünürlük daha kısıtlı olduğundan ilgili kaynakların değerlendirilmesi ve anlamlandırılması gerekmektedir. Adli analiz süreçlerinin yaygınlık göstermesi ve gelişen teknoloji yapısı ile Linux açık kaynak kodlu işletim sistemlerinde de saldırının kaynağının ve yayılımın tespiti için dosya sistem kayıtları veya log dosyalarının toplanması analiz süreçleri yönetilmiştir. Windows işletim sisteminde adli delil nitelikleri daha fazla ve açık iken, Linux sistemlerde saldırı aktiviteleri görünürlüğü bakımından daha azdır. Saldırganlar belirli yöntemler ile sistemleri ihlal etmekle kalmayıp, sistem üzerinde kalıcılık bırakarak zamanlanmış görevler ekleyerek sistemden bilgi toplama amaçlı mekanizmalar üretmeye çalışmaktadır. Adli bilişim uzmanının, vakanın hızlı analizi için canlı bir sistemden veya adli bir imaj içerisinden önemli işletim sistemi dosyalarını toplaması yeterli olacaktır. Bu tez çalışmasında, Linux işletim sistemlerinde adli analiz süreçlerinin yönetilmesi, saldırganların Linux sistemlerde kalıcı olmak için hangi yapıları kullandıkları test edilerek ve tespitler analiz süreçleri ışığında aktarılacaktır. Linux sistemlerde kalıcı olan saldırı aktivitelerini tespit edememek kurumsal ağ için büyük tehdit oluşturmaktadır. Bu tez çalışması kapsamında, Linux işletim sistemi üzerinde yer alan cihazların aktif dizinlerinden toplanan veriler ile saldırı aktivitelerinin tespiti ve kovuşturma evresine kadar bulunan sürecin yönetilmesi ve zamanlanmış saldırı görevleri yaparak sistem üzerinde uzun yıllar kalıcı olmayı amaçlayan birtakım işlemler aktarılmıştır.
Siber tehdit istihbaratıyla özgün tehdit aktörleri veri kümesi oluşturma ve sınıflandırma
Siber uzayda bilgi işleyen teknoloji ve veri varlığının artışıyla birlikte gelişmiş sürekli tehdit aktörü olarak tanımlanan gruplar ortaya çıkarak endüstriyel casusluk, sabotaj ve hırsızlık suçlarını işlemektedirler. Kuruluşlar veri varlığını korumak için siber güvenlik süreçlerini iyileştirme amacıyla siber savunma faaliyetleri ve bu faaliyetlerin yerine getirilmesi için gerekli savunma teknolojilerine yatırım yapmaktadırlar. Siber tehdit istihbaratı ise bu savunma faaliyetleri içerisinde daha bilinçli izleme, tespit ve müdahale adımlarını güçlendirmek amacıyla faydalandıkları bir alandır. Bu çalışmada kurum ve kuruluşların savunma faaliyetleri kapsamında tespit ve önleme kabiliyetlerini arttırılması amacıyla tehdit istihbaratından elde edilen zararlı göstergelerle tehdit aktörlerine ait veri kümesi oluşturulması ve sınıflandırılması hedeflenmiştir. İnternet üzerinden tehdit aktörlerine ve siber saldırılara ait zararlı göstergelerin toplanarak oluşturulacak olan veri kümesi ile daha önceki benzer siber saldırı aktivitelerinin çıkarılması hedeflenmektedir. Olay müdahale süreçlerinde elde edilen zararlı göstergeler veri kümesinde yer alan özniteliklerle karşılaştırılarak tehdit aktörü veya bir siber saldırıya ait tehdit istihbaratı ilişkisi çıkarabilir. Çalışma sonucunda zararlı gösterge ile ilişkili siber saldırı veya tehdit aktörünün daha önceki saldırılarda kullandığı zararlı göstergelerin çıkarımı sağlanacaktır. Oluşturulan veri kümesi ile tespit edilen bulgunun tehdit aktörü ilişkisi konusunda çıkarım yapılmasını sağlayacaktır. Örneğin, Olay müdahale çalışması ile tespit edilen IP adresi hakkında servis sağlayıcı ve IP bloğu bilgisi ile oluşturulan veri kümesi içerisinde yer alan IP adresi benzerlik ilişkisine bakılarak ilişki kurulan bir siber saldırı veya tehdit aktörü hakkında bilgi edinilebilir.
CAD systems in medical application: Detection of tuberculosis from CXR-images using convolutional neural based networks (case study: Nigerian public health)
Tuberculosis (TB) is a very dangerous contagious bacterial infection that usually attacks the lungs and has spread widely around the globe in the last 4 to 5 decades. Early detection of TB is pivotal to the decrease in morbidity and mortality. The diagnosis of TB is made through conventional methods such as blood tests, skin tests, CT scans, and sputum tests, which are tedious and take weeks or even more. Therefore, to lower the detection time and raise the accuracy of diagnosis, due to the time-consuming task that typically requires expert radiologists to read the test, leading to fatigue-based diagnostic error and lack of trained experts in areas of the world where radiologists are not available or limited. In recent years, the application of Artificial intelligence (AI) and the breakthrough of deep learning (DL) approaches like convolutional neural networks (CNN) architectures in object detection and classification have attracted many researchers to apply this sophisticated technology in different fields of science, primarily in the medical field to achieve expert-level performance in the interpretation of different diseases, which is powered by the availability of labeled digital dataset. Hence chest radiograph (CXR) has become critical in detecting thoracic diseases such as TB. This study used a public and private dataset of CXR images to build models that can effectively detect TB using pretrained deep neural networks. In our experiment, the best performing model was MobileNetV1 out of the models used, in which we were able to achieve an accuracy of 94%, specificity of 96%, sensitivity of 92%, with an f1-score, precision of 94% respectively on a private dataset we collected from a densely affected region of Africa, Nigeria to be precise. Meanwhile, the same model on a public dataset scored an accuracy of 100%, sensitivity of 99%, specificity, precision and F1-score of 100% respectively. Hence, the performance of the deep neural networks (DNN) model in our experiment shows the efficacy of DNN in detecting tuberculosis from CXR images.
A new sound forensics approximation: An automated location detection method i̇n multistorey buildings using environmental sound classification
Environmental sound classification has continued to attract research and applications designed specifically for digital forensic studies and cybercrime analysis because of its vast range of applications. [1]. Conventional ambient noise classification systems, for example, depend on hand-crafted extracted features such as MFCC, zero-crossing rate, and short-term energy. However, this might not help for position-based sound classification such as those in multi-storey buildings. This thesis is a research project aimed at resolving this issue using a centre-symmetric nonlinear pattern. We gathered ambient sounds from each floor of a multi-story structure, which we turned into a dataset and made publicly available. A substitution box (S-Box) is used to generate features in a new centre symmetric nonlinear pattern. After the feature generation technique we used, we dubbed the model CS-Lblock-Pattern. The dataset contains ten classes, one for each of the building's ten floors. Our investigations show that using SVM, we can get good classification accuracy for multi-storey hospital datasets, with an accuracy rate of 95.38%. The classification phase results clearly shows that ESC may produce effective results by applying a center-symmetric nonlinear pattern
Mobil cihazlar için ekran parmak izlerinden parola tespiti yapılarak yeni bir süreç tanımlama modelinin geliştirilmesi ve adli bilişim incelemesi yapılması
Hızla gelişen mobil cihaz teknolojisinin getirdiği yenilikler günlük işlemlerin mobil cihazlar ile rahatlıkla yürütülmesine imkân tanımıştır. Sosyal hayatın önemli bir kısmını oluşturan sosyal medya platformları ve anlık mesajlaşma uygulamaları yaygın bir şekilde mobil cihazlar üzerinden kullanılmaktadır. Bu özellikleri ile iş ve sosyal hayatın önemli bir parçası olan mobil cihazlar, farklı dijital suç ve kanıtların birincil kaynağını oluşturmakta ve kullanıcısıyla bütünleşmiş yapısı sayesinde suç soruşturmalarında başvurulan önemli delil kaynağı haline gelmiştir. Mobil cihazlar önemli kişisel verileri barındırmaktadır. Bu durum cihaz üreticilerinin verilerin güvenliği için farklı güvenlik uygulamaları ve şifreleme yöntemleri geliştirmesine neden olmuştur. Suç soruşturmalarında mobil cihazlardan kanıt elde etmek adli merciler için suçun aydınlatılmasında son derece önemli hale gelmiştir. Bu nedenle mobil cihazlardan kanıt elde etme yöntemleri, kullanılan güvenlik ve şifreleme yöntemleri ile paralel ilerlemeye mecburdur. Aksi halde suçun aydınlatılması için mobil cihazlardan kanıt elde edilemeyeceğinden adli mercilerin sağlıklı ve hızlı karar vermesi zorlaşacaktır. Adli bilişim alanında mobil cihazlardan kanıt elde etmek için öncelikle cihazın adli kopyası alınarak, kopya üzerinden işlemler yürütülmektedir. Mobil cihazlarda ekran kilidinin kullanılması çoğu cihazın mantıksal kopyasının alınması önünde büyük engel teşkil etmektedir. Bu tez çalışmasında mobil cihaz adli bilişim süreçleri, adli kopya alma yöntemleri ve adli araç setleri irdelenmiş, cihaz ekranı üzerindeki parmak izlerinden desen kilidi tespit edilmesi ile ilgili yüksek sınıflandırma başarısına sahip yeni bir yöntem geliştirilmiştir. Ayrıca geliştirilen yöntemle ilişkili olarak yeni bir mobil cihaz inceleme süreç modeli önerilerek örnek mobil cihaz adli analizi yapılmıştır.
Makine öğrenmesi tabanlı kötücül yazılımların tespiti
Günümüzde bilgi güvenliği açısından en önemli problemlerden birisi de kötücül yazılımları tespit etmektir. Bilgisayar korsanları çoğunlukla kötücül yazılımları kullanarak sistemleri sömürmeyi hedeflemektedir. Bu sebepten dolayı, kötücül yazılımların tespiti ve bu tür zararlıların engellenmesi bilgi güvenliği için kritik öneme sahiptir. Genel olarak bir kötücül yazılımın davranışları belirlenir ve bu yazılımlar imza tabanlı bir sistem kullanılarak tespit edilir. Ancak, teorik olarak kötücül yazılımlar belirli bir kalıpla ifade edilemeyecek davranışlara sahip olabilirler. Bu durumda kötücül yazılım tespitinin deterministik sistemler kullanılarak yapılmasının zor olduğu ve daha da zorlaşacağı bilinmektedir. Bu problemi çözebilmek için yapay zekâ ve makine öğrenmesi yöntemleri kullanılmaktadır. Son zamanlarda derin öğrenme, makine öğrenmesi ve yapay zekânın fenomeni olarak görülmekte ve kullanım alanı yaygınlaşmaktadır. Derin öğrenme sistemleri görüntü, ses ve metin tanıma gibi alanların yanı sıra bilgi güvenliği alanında da kullanılmaktadır. Özellikle kötücül yazılım tanımada derin öğrenme yöntemleri sıklıkla kullanılan yöntemler arasında sayılmaktadır. Ancak heterojen kötücül yazılım (malware) veri setlerinde de derin öğrenme yöntemleri %85 tanıma oranlarında kalmaktadır. Bu tez çalışmasında bilgisayar korsanlarının sık sık kullandığı araçlar, kötücül yazılımlar ve anti-kötücül yazılım çözümleri araştırılarak kötücül yazılım tanımadaki etkileri incelenmiş ve böylece bu tür kötücül yazılımları yeni nesil özellik çıkarma ve öğrenme yöntemleri kullanılarak daha yüksek doğrulukta tanımak amaçlanmıştır.
Bilgisayar sistemlerine yönelik tehdit ve saldırıların makine öğrenmesi teknikleri kullanılarak ağ adli bilişimi açısından analizi
Teknolojinin ileri düzeyde gelişmesiyle, internet kullanımı ve ağa bağlı cihaz sayısında her geçen gün artış görülmektedir. Bu artış ile birlikte şirketler için önemli kayıplara neden olan siber saldırılarda artmaktadır ve bu saldırılar farklı şekillerde karşımıza çıkmaktadır. Ağ bağlantısının kesilmesi ve ağın sağladığı hizmetlerin kaybı kurumlar için ciddi kayıplara sebep olabilir. Bu nedenle savunma stratejilerinin geliştirilmesi ve saldırılara karşı daha etkili tedbirlerin alınması önem arz etmektedir. Bu tez, bilişim sistemlerine yönelik gerçekleşen saldırıların makine öğrenmesi teknikleri kullanılarak ağ adli bilişimi açısından analizi konu almaktadır. İlk olarak sanal ortamda farklı saldırı senaryoları gerçekleştirilmiştir. Yapılan saldırılardaki ağ paketleri kayıt altına alınıp özellik çıkartılarak veri seti oluşturulmuştur. Bu veri seti ile Random Forest, Support Vector Machine (SVM), Naive Bayes, Lojistik Regresyon ve Decision Tree sınıflandırma algoritmaları kullanılarak sınıflandırma yapılmış ve performans metrikleri kullanılarak performans sonuçları karşılaştırılmıştır.
Kablosuz ağlar üzerinden gerçekleştirilen siber tehditlerin makine öğrenmesi yöntemleri ile ağ adli bilişim analizinin gerçekleştirilmesi
Teknolojinin gelişmesi ile beraber teknolojik cihazlara yapılan saldırılar da artış göstermiştir. Artan siber saldırılar ile beraber kullandığımız cihazlar her an tehdit altında olabilmektedir. Birbiri ile iletişim halinde bulunan bu cihazlardan herhangi birine tehdit unsurunun erişmesi, ağda ki tüm cihazları tehlikeye sokabilmektedir. Ağ ortamlarına bağlı olan cihazların sayısının fazlalığı göz önünde bulundurularak bu çalışma ele alınmıştır. Bu çalışmada olası bir siber saldırıda sistemlerde oluşabilecek ağ trafiği oluşturularak, elde edilen trafikleri, farklı sınıflandırma algoritmalarını kullanarak eğitmek amaçlanmıştır. Oluşturulan test ortamında farklı siber saldırılar gerçekleştirilmiş, siber saldırılar sırasında elde edilen ağ paketlerinin özellikleri çıkartılmış ve yaygın kullanılan sınıflandırma algoritmaları ile eğitim işlemleri gerçekleştirilmiştir. Yapılan işlemler sonucunda kullanılan sınıflandırma algoritmaları arasında en iyi başarı oranı sağlayan sınıflandırma algoritması belirlenmiştir.
İnsansız hava araçlarına yönelik siber tehditlerin yapay zeka destekli tespiti ve adli analizi
Dijitalleşmenin hızla ivme kazandığı günümüzde, insansız hava araçları (İHA/UAV), sivil, endüstriyel ve askeri birçok alanda yaygın olarak kullanılmaya başlanmıştır. Otonom görev icrası gerçek zamanlı veri toplama ve esnek operasyon kabiliyeti gibi özellikleriyle ön plana çıkan bu sistemler, aynı zamanda siber güvenlik tehditlerine karşı savunmasız yeni bir yüzey ortaya koymaktadır. Artan bu saldırı yüzeyi UAV sistemlerini siber saldırganlar için yüksek değerli hedefler hâline getirmiştir. Bu bağlamda gerçekleştirilen bu tez çalışmasında insansız hava araçlarına yönelik siber saldırıların simülasyon ortamında modellenmesi, saldırıların uçuş parametreleri üzerindeki etkilerinin incelenmesi ve saldırıların yapay zekâ tabanlı yöntemlerle tespit edilebilirliğinin değerlendirilmesi amaçlanmıştır. PX4 uçuş yığını kullanılarak jMAVSim ve Gazebo ortamlarında geliştirilen senaryolar arasında GPS Spoofing, Control Hijack ve Velocity DoS gibi saldırılar yer almakta; her uçuş sonrasında elde edilen günlük dosyaları .ulg formatından CSV formatına dönüştürülmüştür. Elde edilen veriler üzerinde veri temizleme, öznitelik seçimi, standardizasyon ve etiketleme işlemleri gerçekleştirilmiş; saldırılar çok sınıflı yapıda modellenmiştir. Modelleme sürecinde XGBoost, LightGBM, Random Forest ve Logistic Regression gibi algoritmalar kullanılmıştır. Elde edilen sonuçlara göre LightGBM, %96,3 doğruluk ve %95,8 F1-skoru ile en yüksek performansı göstermiştir. ROC AUC ve Confusion Matrix analizleri de LightGBM'in istikrarlı bir sınıflandırma başarısı sunduğunu doğrulamıştır.
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.
Linux işletim sistemindeki kalıcılık mekanizmalarının tespitine yönelik adli bilişim yazılım aracı geliştirilmesi
Siber saldırılar gün geçtikçe daha yıkıcı bir hale gelmekte ve bilgi teknoloji sistemlerini tehdit etmektedir. Bu tehditler, genel olarak saldırganların sistemlere sızdıktan sonra mevcut erişimlerini devam ettirebilmek için çeşitli yöntemler kullanmaktadırlar. Bu yöntemler arasında en önemlilerinden biri, kalıcılık mekanizmalarıdır. Saldırganlar enfekte sistemler üzerinde kalıcılık sağlayarak erişimlerinin sürdürebilirliğini amaçlamaktadırlar. Enfekte sistemler üzerinde saldırganların yayılımının tespitinin sağlanması için adli bilişim analizi gerekmektedir. Linux sistemler üzerinde gerçekleştirilen kalıcılık mekanizmalarının tespit edilebilirliği; Linux işletim sisteminin açık kaynak kodlu ve özelleştirilebilir olması dolayısı ile tespit edilebilirliği zorlaştırmaktadır. Bu nedenle Linux sistemler üzerinde gerçekleştirilebilecek olası kalıcılık mekanizmalarının anlaşılması için saldırı senaryosu oluşturularak laboratuvar ortamında uygulama yapılmıştır. Kalıcılık sağlanan sistemlerde gerçekleştirilen aktivitelerin tespitine yönelik python dili kullanılarak araç geliştirilmiştir. Geliştirilen bu araç ile siber güvenlik analistlerinin Linux sistemler üzerinde hızlı, etkili, hedef odaklı analizler yapabilmesi, analiz süreçlerini kolaylaştırılması hedeflenmiştir. Kalıcılık mekanizması senaryosu uygulamasında gerçekleştirilen kalıcılık mekanizmalarının yeni geliştirilen araç ile hedef odaklı analizlerin yapılması sağlanmış olup aracın analiz süreçlerini kolaylaştırdığı değerlendirilmiştir.
EEG sinyalleri kullanılarak yeni nesil cümle sınıflandırma modellerinin geliştirilmesi
Elektroensefalografi (EEG) sinyalleri beynin harfleri olarak nitelendirilmektedir ve bilgisayar bilimciler bu harfleri yan yana getirerek anlamlı cümleler elde etmeyi amaçlamaktadırlar. Bu sebepten dolayı EEG sinyallerini işleme sinir bilim ve makine öğrenmesi için sıcak başlıklı bir konudur. Ancak literatürdeki EEG işleme ve sınıflandırma çalışmaları genellikle hastalık tespiti ve duygu tespiti ile ilgilidir. Bu tez kapsamında EEG sinyallerinden daha fazla bilgi çıkarmak için yeni bir proje başlatılmıştır ve bu projenin konusu EEG cümle sınıflandırmadır. Bu tez çalışmasında, iki adet EEG cümle veri seti her bir veri seti için 20 katılımcı olmak üzere 40 adet gönüllü katılımcıdan toplanmıştır. Toplanan veri setleri 20 adet sınıf içermektedir ve bu sınıfların her biri bir cümleyi temsil etmektedir. Otomatik sınıflandırma modelleri önermek için mikro tanımlayıcılar ve çizge tabanlı özellik çıkarıcılar kullanılmıştır. Önerilen kare toplamlı çizge deseni tabanlı EEG sinyal sınıflandırma modeli, %99.19 sınıflandırma doğruluğuna ulaşmıştır. Bu çalışmada, toplam-kare grafiğine dayalı bir fonksiyonun öznitelik çıkarma yeteneği araştırılmıştır. Önerilen dinamik boyutlu ikili model ve yinelemeli çok sınıflandırıcılı ağırlıklı oylama tabanlı model ise gösterme ve dinleme modlarında sırasıyla %98,81 ve %98,19 ile en iyi genel sınıflandırma oranlarına ulaşmıştır. Elde edilen sonuçlar EEG sinyalleriyle cümle sınıflandırılmasının yapılabileceğini açıkça göstermiştir ve bu tez çalışması EEG cümle tanıma/sınıflandırma alanında yapılan ilk tezlerden biri olma özelliğini taşımaktadır. Elde edilen sonuçlar tez çalışmasının başarımını açık bir şekilde göstermektedir.
Adli tıp verileri kullanılarak yara tiplerinin derin öğrenme modelleriyle sınıflandırılması
Bu tez çalışmasında, otopsi görüntülerini kullanarak ölüm nedeninin otomatik olarak sınıflandırılması için tasarlanmış hibrit bir derin özellik mühendisliği modeli olan DRDarkNet önerilmiştir. Birincil amaç, modelin sınıflandırma kabiliyetini ve otopsi görüntülerini ezilme, ası, kesici-delici, ateşli silah, yanık ve suda boğulma olmak üzere altı sınıfa doğru bir şekilde kategorize etmedeki etkinliğini göstermektir. Önerilen mimari dört aşamadan oluşmaktadır: derin özellik çıkarımı, çoklu seçici tabanlı özellik seçimi, sınıflandırma ve bilgi füzyonu. Eğitim ve değerlendirme amacıyla 4254 otopsi görüntüsü içeren bir veri kümesi toplanmıştır. Derin özellik çıkarma aşamasında, Evrişimsel sinir ağlarından (ESA) altı özellik vektörü çıkarmak için önceden eğitilmiş DenseNet201, ResNet50 ve DarkNet53 modelleri kullanılmıştır. Bu vektörler daha sonra DRDarkNet'i oluşturmak için kullanılmıştır. En bilgilendirici özellikleri belirlemek için Ki-Kare, ReliefF ve komşuluk bileşen analizi (KBA) olmak üzere üç özellik seçici kullanılmış ve sonuçta 18 seçilmiş özellik vektörü elde edilmiştir. Destek vektör makinesi (DVM) sınıflandırıcıları bu seçilen vektörlere uygulanarak 18 sınıflandırıcı-bazlı sonuç üretilmiştir. Bilgi füzyonu aşaması, oylanan sonuçları hesaplamak ve nihai sınıflandırma sonucu olarak en uygun çıktıyı seçmek için budama tabanlı yinelemeli çoğunluk oylama (BYÇO) tekniği içermektedir. DRDarkNet hem sınıflandırıcı bazlı sonuçlar hem de oylama sonuçları üreterek %96,47'lik nihai sınıflandırma doğruluğuna ulaşmıştır. Altı sınıfın tamamında %96'nın üzerindeki doğruluk, otopsi görüntü sınıflandırması için önerilen modelimizin etkinliğini göstermektedir. Başarılı sınıflandırma sonuçları, DRDarkNet'in otopsi görüntü analizi için güvenilir bir model olarak etkinliğini vurgulamaktadır. Ölüm nedeninin belirlenmesindeki yüksek doğruluk, derin özellik mühendisliği tekniklerinin adli patoloji alanındaki potansiyelini ortaya koymaktadır. DRDarkNet, adli tıp uzmanlarına yardımcı olacak ve otopsi incelemelerinin ilerlemesine katkıda bulunacak değerli bir araç olarak umut vaat etmektedir.
Kuantum hesaplama modellerinde derin öğrenme tabanlı devre analizi ve hata tespit yöntemlerinin geliştirilmesi
Kuantum bilgisayarlar, karmaşık problemlerin üstesinden gelebilecek potansiyelinden dolayı son yıllarda yapılan çalışma sayısı hızla artmaktadır. Kuantum devreler kubitlerin bir araya gelmesi ile oluşmaktadır. Kombinasyonel devrelerde AND, OR, NAND, NOR, XOR ve XNOR gibi geleneksel kapılar kullanılırken kuantum devrelerde Feynman, Toffoli ve Fredkin kapıları kullanılmaktadır. Bu kapıların belirli giriş ve çıkışları vardır. Kuantum kapılar kullanılarak farklı giriş, çıkış ve kapı sayısına sahip kuantum devreler oluşturulmaktadır. Günümüzde kuantum devreler kullanılarak birçok uygulama alanında çalışmalar yapılmaktadır. Kuantum devre tasarımı yapılarak simülasyon programları üzerinden test edilmektedir. Test sırasında kuantum devreleri üzerinde hatalar oluşabilir ve doğruluk tablosu yanlış üretilebilmektedir. Bu tez çalışmasında kuantum devrelerde devre analizi ve hata tespiti için derin öğrenme tabanlı yöntemler geliştirilmiştir. Tez kapsamında üç temel noktada bilimsel katkı sunulmuştur. İlk olarak kuantum devrelerinin analiz edilmesi ve arıza tespiti için veri seti oluşturulmuştur. MATLAB2020A programı kullanılarak 9250 adet örnek "tfc" dosyaları oluşturulmuştur. Bu "tfc" dosyalarından "RCViewer" simülasyon programı kullanılarak kuantum devre şemaları elde edilmiştir. Kuantum devreler kapı ve giriş sayılarına göre etiketlenmiştir. Etiketlenen kuantum devrelerin analizi için kapı ve giriş tespiti yapılmıştır. YOLO algoritması kullanılarak kuantum devrelerinde kapı ve giriş sayıları hesaplanmıştır. Önerilen YOLO algoritması 2800 iterasyon çalıştırılmış ve eğitim-test verisi oranı 80:20 için %87.1 mAP elde edilmiştir. İkinci olarak derin öğrenme tabanlı modeller kullanılarak kuantum devrelerinde özellik çıkarımı ve Destek Vektör Makinesi ile giriş ve kapı sayısı tespit edilmiştir. AlexNet, DarkNet, GoogleNet, Vgg ve ResNet modelleri kullanılmış ve kuantum devre görüntülerinden özellik çıkarımı yapılmıştır. Kullanılan veri seti 3-7 giriş sayısı, 1-8 kapı sayısına sahip 9250 devreden oluşmaktadır. Önerilen yöntemde kapı ve giriş sayıları birlikte kullanılarak toplamda 40 sınıf için sonuçlar elde edilmiştir. DarkNet53 + SVM algoritması için en yüksek %99.81 ve ResNet101 + SVM algoritması için en yüksek 99.78 doğruluk hesaplanmıştır. Son olarak kuantum devrelerinde doğruluk tablosu kullanılarak hata tespit yöntemi geliştirilmiştir. Kuantum devrelerinde kapı ve giriş sayısı tespit edilerek doğruluk tablosu üretilmiştir. Doğruluk tablosu üretilen kuantum devrenin aynı zamanda "tfc" dosyasından "RCViewer" simülasyonu ile de doğruluk tablosu elde edilmektedir. Geliştirilen uygulamada elde edilen doğruluk tablosu ile "RCViewer" simülasyonundan elde edilen doğruluk tablosu karşılaştırılmakta ve hata tespiti yapılmaktadır. Sonuç olarak bu yüksek lisans tez çalışmasında kuantum devrelerin analizi ve hata tespiti için yöntemler geliştirilmiştir. Önerilen yöntemlerin performans sonuçları sunulmuştur. Tez kapsamında yapılan çalışmalar TÜBİTAK 121E439 Numaralı 1001 projesi tarafından desteklenmiştir.
Ağ ve fiziksel temelli siber tehditler ile gizlenme yöntemlerinin adli bilişim analizleriyle incelenmesi
Günümüz teknolojisinin ilerlemesiyle birlikte telefon, bilgisayar, internet, akıllı sistemler, e-ticaret vb. sistemleri hayatımızda kullanıyoruz. Ancak bu sistemleri kullanırken siber güvenliğimizi de riske atıyoruz ve işte bu noktada kötü niyetli siber saldırganlar için açık kapı bırakılmaktadır. Bu tez çalışmasında siber saldırganların yaptığı siber silahları ve kendilerini gizleme yöntemleri araştırılarak bu saldırıların ortaya çıkardığı zararlar analiz edilecektir. Teknolojinin ilerlemesiyle birlikte sadece bilgisayar kullanarak siber saldırılar yapılmıyor, artık siber saldırılar için özel olarak geliştirilmiş veya geliştirilebilir cihazlar üretilmektedir. Siber saldırganların saldırıları yaptıklarında ve yaptıktan sonrasında kendilerini gizlemek ve izleri örtmek için kullandığı programlar, teknolojiler ve yazılımlardan bahsederek testler gerçekleştirilerek test çıktıları paylaşılmıştır. Siber güvenlik için global çapta kullanılan popüler siber saldırı cihazından olan Flipper Zero, HackRF, Digispark' dan bahsederek ve gerekirse gerekli programlama araçlarını kullanıp programladıktan sonra siber saldırı aracı haline getirilmiştir ve deney ortamında test edilerek çıktıları paylaşılmıştır. Yapılan tez çalışmasının, siber güvenlik uzmanlarının ve araştırmacıların tehditleri engelleme ve saldırı yüzeyinin arttırılması konusunda katkıda bulunacağı, ağ ve fiziksel temelli siber tehditler ile gizlenme yöntemleri konusunda farkındalığı arttıracağı düşünülmektedir.
Windows domain sistemlerine yönelik siber saldırıların tespiti için kural tabanlı bir yaklaşımın geliştirilmesi
Domain sistemleri, kimlik bilgileri, erişim kontrolleri ve yetkilendirme gibi önemli işlevlerin yanı sıra, objelerin içerdiği değerli bilgileri de içerisinde depolar. Sisteme sızan saldırganlar, bu işlevlerin merkezinde domain sisteminin yer aldığını bildiğinden dolayı, sıklıkla bu sistemi hedef alır. Bu doğrultuda, domain servisini doğrudan hedef alarak kimlik bilgilerini ele geçirebilir, kullanıcıların ve grupların erişim haklarını ele geçirip yetkisiz kullanıcılarla gizli verilere erişebilir veya farklı sistemlere yayılma ve erişim haklarını artırabilirler. Ayrıca, sistemler üzerinde kalıcılık sağlayarak, sisteme tekrar sızmadan erişim sağlayabilir, Domain yapısında bulunan cihazlarda hizmet kesintisi yaşatabilir, kullanıcıların özel bilgilerine ulaşarak sosyal mühendislik yöntemleri uygulayabilir ya da domain sisteminin depoladığı bilgileri şifreleyerek fidye talebinde bulunabilirler. Bu tür saldırılar veya benzer kötü niyetli girişimlerle hedef alınan sisteme zarar veren saldırganlar, sadece sistemin işleyişini aksatmakla kalmaz, aynı zamanda kuruma ciddi maddi kayıplar ve itibar zedelenmesi gibi manevi zararlar da verebilir. Bu durum, kurumun güvenilirliğini sarsarak, uzun vadede müşteri ve iş ortakları nezdinde olumsuz bir algı yaratabilir, hatta kurumun faaliyetlerini sürdürebilmesini tehlikeye sokabilir. Domain sisteminin bir kuruluşun hassas verilerine ve kaynaklarına erişimi düzenlemedeki önemli rolü göz önüne alındığında, kuruluşların bu tür saldırılara karşı savunma yapmak için proaktif önlemler alması zorunludur. Active Directory sistemlerini korumak, güvenlik ekipleri için kritik bir odak noktasıdır. Bu saldırıları tanımlamak ve domain sistemlerine yönelik saldırılar hakkında bilgi sahibi olmak, siber güvenlik ekipleri için büyük bir avantaj sağlar. Bu siber saldırı türlerinin ve bu tür saldırılara karşı yapılan atakların tespitinin sağlanması için Sigma kuralı geliştirilmesi önemli bir husustur. Bu tez çalışması, Windows Domain sistemlerine yönelik siber saldırıların tespitinde kullanılabilecek kural tabanlı bir yaklaşım geliştirmiştir. Çalışma, Sigma kurallarını temel alarak Active Directory ortamlarında meydana gelebilecek çeşitli saldırı vektörlerini tanımlamış ve bu saldırılara karşı etkili tespit yöntemleri sunmuştur. Bu doğrultuda, kurumların siber güvenlik ekiplerine saldırı tespiti ve önleme süreçlerinde rehberlik edecek bir çözüm sağlamıştır. Tez, özellikle kritik verilerin ve kaynakların korunmasını hedef alan bu yaklaşımıyla, saldırıların erken aşamada tespit edilerek olası zararların en aza indirilmesine katkı sunmaktadır.
Otonom araçlara yönelik siber saldırıların tespiti için yapay zeka destekli saldırı tespit sisteminin geliştirilmesi
Teknolojinin gelişmesi, hayatın her alanında toplumların konfor ve refah seviyesini artırmaktadır. Bu gelişim, başta ulaşım olmak üzere çeşitli alanlarda karşımıza çıkmaktadır. Bu doğrultuda akıllı sistemlerin otomobillere entegrasyonuyla beraber otonom araçların yaygınlaşması sağlanmıştır. Otonom araçların kendi sistem ve ağlarına sahip olması, otonom araçlara yönelik yapılabilecek siber saldırıların da önünü açmıştır. Bu tür saldırıların genellikle üç amacı bulunmaktadır. Bunlar, sisteme sızarak sistem bileşenlerinin kontrolünü ele geçirmek, sistem ağına yük bindirerek sistemin yavaş çalışmasına sebebiyet vermek ve sistemin çökmesini sağlamaktır. Otonom araçlara yönelik siber saldırıların bu tür ciddi sonuçlarının olması, otonom araçların siber saldırılara karşı korunmasını sağlayacak güvenlik tedbirlerinin alınmasını zorunlu kılmıştır. Bu tez çalışmasında, akıllı araçların araç içi ağlarına yönelik gerçekleştirilen siber saldırıların makine öğrenmesi modelleri kullanılarak tespiti gerçekleştirilmiştir. Simülasyon ortamı oluşturularak siber saldırılar gerçekleştirilmiş ve veri seti oluşturulmuştur. Ardından veri seti, XGBoost, LightGBM, Rastgele Orman ve Karar ağaçları algoritmaları ile sınıflandırılarak performans karşılaştırmaları yapılmıştır. Yapılan deneyler sonucunda en iyi doğruluk oranını %86.22 ile XGBoost verirken, en düşük doğruluk oranını ise %80.7 ile Karar Ağaçları algoritması vermiştir. Yapılan tez çalışmasının, akıllı araç güvenlik uzmanlarının siber tehditleri engelleme çalışmalarına katkıda bulunacağı ve akıllı araç siber güvenliği hakkındaki farkındalığı artıracağı düşünülmektedir.
Yapay zekâ yöntemleri kullanılarak metin tabanlı nefret söylemi tespiti
Adli bilişim alanında nefret söyleminin bilimsel çalışması yeni gelişen bir alandır. Bu alan, özellikle çevrimiçi toplulukları ve dijital medya platformları artıkça, toplumsal etki için tartışılmaz bir potansiyele sahiptir. Bu bağlamda nefret söyleminin otomatik olarak tespit edilmesini ilerletmede çok önemli bir adımdır. Nefret söyleminin tanımı yapılarak bu tanım doğrultusunda çıkarılacak ilgili metnin nefret söylemi içerip içermediğini tespit etme çalışmaları incelenmiştir. Nefret söylemi tespit edilirken kullanılan kategoriler açıklanmış, tespit ile ilgili aşamalar verilmiştir. Literatürdeki çalışmalar incelenmiştir ve karşılaştırma yapılmıştır. Doğruluk oranları özellik çıkarma yöntemine, sınıflandırma yöntemine, kullanılan verisetine bağlı olarak farklılık göstermektedir.
Uluslararası hukuk ve teknik standartlarına uyumlu adli bilişim süreçlerinin geliştirilmesi
Bu çalışma, adli bilişim süreçlerinin uluslararası hukuk ve teknik standartlarla uyumlu bir şekilde geliştirilmesinin önemini ve yöntemlerini incelemektedir. Teknolojinin hızla gelişmesi ve dijital verilerin adli olayların aydınlatılmasında artan önemi, adli bilişim disiplinine duyulan ihtiyacı artırmıştır fakat bu süreçlerin güvenilirliği ve geçerliliği için uluslararası normlara ve teknik standartlara uyum büyük önem taşımaktadır. Çalışma, mevcut adli bilişim süreçlerinde karşılaşılan hukuki ve teknik uyumsuzlukları analiz etmekte ve bu uyumsuzlukların giderilmesine yönelik çözüm önerileri sunmaktadır. Aynı zamanda çeşitli ülkelerdeki yasal düzenlemeler ve adli bilişim standartları karşılaştırılarak, uyumlu bir süreç geliştirilmesi için gereken adımlar ortaya konmaktadır. Bu bağlamda hem hukuki düzenlemeler hem de teknik standartlar incelenmiş ve adli bilişim uzmanlarının bu gereksinimleri karşılayabilmesi için yol haritası önerilmiştir. Bu tez çalışması, adli bilişim alanında daha güvenilir, şeffaf ve uluslararası kabul gören süreçlerin oluşturulmasına katkı sunmayı amaçlamaktadır.
AttentionPoolMobileNeXt: Yeni bir konvolüsyonel sinir ağı ve derin özellik mühendisliği modellerine dayalı otomatik inşaat hasarı tespit modeli
Türkiye, 2023 yılında, yapı hasarları nedeniyle milyonlarca insanı etkileyen bir dizi yıkıcı deprem yaşadı. Bu olaylar, afet müdahalesine yardımcı olacak ileri düzey otomatik hasar tespit modellerine olan acil ihtiyacı gözler önüne serdi. Bu araştırma, bu zorluğun üstesinden gelmek için modifiye edilen bir MobileNetV2 mimarisine dayanan yeni bir çözüm olan AttentionPoolMobileNeXt modelini tanıtmaktadır. Modelin etkinliğini titizlikle değerlendirmek amacıyla, beş farklı sınıfa ayrılmış inşaat hasarı örneklerinden oluşan bir veri seti özenle derlenmiştir. Bu veri setinin AttentionPoolMobileNeXt modeline uygulanmasıyla %97 doğruluk elde edilmiştir. Ayrıca, bu çalışma, sistemin sınıflandırma performansını ve yorumlanabilirliğini daha da artıran AttentionPoolMobileNeXt tabanlı Derin Özellik Mühendisliği (DFE) modelini tanıtarak katkısını genişletmektedir. DFE modeli, test sınıflandırma doğruluğunu %90.17'den %97'ye önemli ölçüde artırarak temel modelin üzerine çıkmıştır. AttentionPoolMobileNeXt ve DFE karşılığı, otomatik hasar tespitinde son teknolojiyi ilerleterek, afet müdahale ve iyileştirme çabaları için değerli bilgiler sunmaktadır.
Windows olay günlüklerinde grafik dönüştürücü ağlar ile anomali tespiti
Bu araştırma, artan siber tehditlere karşı güvenlik sisteminin etkinliğini artırmak amacıyla Windows Olay Günlüklerinden alınan verileri analiz etmek için Graph Transformer Network (GTN)'den esinlenilen grafik tabanlı bir yaklaşım sunmaktadır. GTN'nin temel aldığı GCN tabanlı yapı, Windows olay günlüklerinin ayrıntılı incelenmesine odaklanarak karmaşık ve çeşitli veri kaynaklarının analiz edilmesi için yeni olanaklar açar. Kullanılan veri kümesindeki olay günlükleri; kayıt defteri ve sistem değişikliklerini, güvenlik ihlallerini ve tehdit simülasyonlarını içerir. Veri seti, gelişmiş tehdit aktörlerinin taktik, teknik ve prosedürlerini simüle eden olay günlüğü verilerinden oluşmaktadır. Bu yaklaşım, mevcut güvenlik çözümlerinin güçlendirilmesine ve yeni savunma stratejilerinin geliştirilmesine bu yaklaşım yardımcı olur. Aynı zamanda bu veri setini kullanan araştırma sonuçları, siber güvenlik uzmanlarının ve araştırmacıların saldırı vektörlerini ve saldırı yüzeylerini daha iyi anlamalarını sağlayabilir. Bu çalışma, veri kümesindeki her olayı ve olaylar arasındaki etkileşimleri grafik tabanlı bir yapıda modellemektedir. GTN tabanlı modellerde her olay bir düğüm olarak temsil edilir ve düğümler arasındaki kenarlar bu olayların birbirleriyle olan etkileşimlerini ve bağlantılarını gösterir, böylece karmaşık siber tehdit senaryoları içindeki ilişkisel bağlantıları ve yapısal kalıpları ortaya çıkarır. GTN, bu grafiklerdeki karmaşık yapısal kalıpları ve bağlantıları öğrenerek normal ve anormal davranışlar arasındaki farkları ayırt edebilir. Geleneksel güvenlik sistemlerinin gözden kaçırabileceği ince ayrıntıları ve ilişkileri belirlemede bu yaklaşım etkilidir. Alışılagelmiş grafik tabanlı sinir ağlarından farklı olarak GTN modeli, uzun mesafeli bağlantıları ve büyük yapısal kalıpları öğrenmede daha iyidir; bu, Windows Olay Günlükleri gibi karmaşık verileri işlemek için önemlidir. Bu çalışma, GTN prensiplerinden esinlenilen bir yaklaşımın ayrıntılı bir veri seti üzerinde uygulanmasını gösterecek, siber güvenlik tehditlerinin daha iyi anlaşılmasını ve tanımlanmasını kolaylaştıracak, sonuçta siber güvenlik alanında tehdit tespit ve analiz yöntemlerini geliştirecek ve siber güvenlikle ilgili mevcut literatüre önemli ölçüde katkıda bulunacaktır.
Adli bilişim incelemelerinde çip üzerinde veri elde etme yöntemlerinin analizi
Dijital çağda verilerin güvenli saklanması ve gerektiğinde bu verilere erişim sağlanması, adli bilişim incelemeleri için hayati bir öneme sahiptir. Bu verilerin zarar görmesi veya erişilemez hale gelmesi, adli süreçlerde delil elde edilmesini zorlaştırmakta ve kritik bilgi kayıplarına yol açmaktadır. Çalışma ile fiziksel olarak hasar gören ve erişilemez durumda olan veri depolama üniteleri içerisinde yer alan verilere çip sökme yöntemi ile ulaşılması amaçlanmıştır. Çalışmanın ilk kısmında adli bilişim süreci ve türleri ve çip sökme yöntemlerine ilişkin daha önce ele alınmış akademik çalışmalar incelenerek literatür taraması yapılmıştır. Çalışmanın ikinci kısmında ise mobil cihaz, ssd, flash bellek ve hafıza kartları gibi birden fazla veri depolama ünitelerinin çip türleri belirlenerek bunlara uygun lehim istasyonları, sıcak hava istasyonları, mikroskoplar, duman emici cihaz, havya, antistatik bileklik, flax, ultrasonik temizleme cihazı ve PC3000 yazılımına ait veri kurtarma donanımları hazırlanarak bu donanımlar üzerinden çip içerisindeki verilere ulaşılmıştır. Bu çalışmanın sonucunda, veri kurtarma kavramı, veri kurtarma yöntemlerinin neler olduğu, mobil cihaz, hafıza kartları, ssd ve flash bellek gibi veri depolama ünitelerinin fiziksel yapıları ve iç bileşenleri açıklanarak sonrasında depolama ünitelerinin çip türlerine göre içerisindeki verilere ulaşılarak bu verilerin adli bilişim açısından analizi gerçekleştirilmiştir. Çalışma, dijital veri depolama ünitelerinde meydana gelen fiziksel hasar ve erişim sorunlarına rağmen, çip sökme yöntemi ve uygun teknik donanımlar kullanılarak verilerin başarıyla kurtarılabileceğini ve bu verilerin adli bilişim süreçlerinde güvenilir delil olarak kullanılabileceğini ortaya koyması bakımından büyük önem arz etmektedir. Anahtar Kelimeler: Adli Bilişim, Veri Kurtarma, Çip Türleri, Çip Sökme, Veri Depolama Üniteleri
Kuantum devrelerin optimizasyonu için yapay zeka tabanlı yaklaşımlar
Kuantum hesaplama, son yıllarda bilgi işlem teknolojilerinde devrim yaratma potansiyeli ile dikkat çeken bir alan olarak öne çıkmaktadır. Geleneksel bilgisayarların sınırlarını aşan bu teknoloji, özellikle karmaşık problemlerin çözümünde benzersiz avantajlar sunmaktadır. Ancak, kuantum devrelerinin tasarımı ve optimizasyonu, bu alanda çalışan araştırmacılar için önemli zorluklar oluşturmaktadır. Bu tez çalışması, kuantum hesaplama modellerinde tersine bilir kuantum devrelerinin optimizasyonu için yapay zekâ tabanlı yenilikçi yöntemler geliştirmeyi amaçlamaktadır. Çalışma üç temel bileşen üzerine inşa edilmiş olup, kuantum devrelerinin analizinden optimizasyonuna ve klasik devrelere dönüşümüne kadar kapsamlı bir yaklaşım sunmaktadır. Birinci aşamada, kuantum devrelerinin otomatik tanınması ve sınıflandırılması için piksel tabanlı bir görüntü işleme yöntemi geliştirilmiştir. MATLAB Simulink ortamında 3-7 girişli ve 1-8 kapılı 9.250 devreden oluşan kapsamlı bir veri seti üzerinde KNN algoritması uygulanmış ve %99.94 gibi olağanüstü bir doğruluk oranı elde edilmiştir. Bu yöntem, kuantum devrelerinin hızlı ve yüksek doğrulukla analiz edilmesinde etkili bir çözüm sunmuştur. İkinci bileşende, kuantum devrelerin klasik lojik devrelere dönüşümüne yönelik iki farklı metodoloji geliştirilmiştir. Quine-McCluskey algoritması kullanılarak kuantum durum tablolarından türetilen Boolean fonksiyonları, MATLAB Simulink'te gerçekleştirilen klasik devrelerle %100 uyumlu sonuçlar vermiştir. Paralel olarak, Karnaugh haritalama yöntemiyle 2-4 girişli kuantum devrelerin lojik devrelere dönüşümü sağlanmış ve bu yöntemin pratik uygulanabilirliği kanıtlanmıştır. Üçüncü ve son bileşende ise kuantum devre optimizasyonu için gelişmiş meta-sezgisel algoritmalar karşılaştırılmıştır. Geliştirilen adaptif genetik algoritma, 24 farklı karşılaştırma devresinde kapı sayısını %26.76 ve kuantum maliyetini %12.88 oranında azaltarak önemli bir başarı elde etmiştir. Ayrıca, ACO, PSO, ABC ve GA yöntemlerinin kapsamlı karşılaştırması sonucunda, ACO'nun 2.39 standart sapma ile en istikrarlı ve yüksek performanslı algoritma olduğu tespit edilmiştir. Bu tez çalışması, görüntü işleme tabanlı yüksek doğruluklu devre tanıma sistemi, kuantum-klasik devre dönüşümü için Quine-McCluskey ve Karnaugh tabanlı metodolojiler ile meta-sezgisel algoritmalarla kanıtlanmış optimizasyon teknikleri gibi özgün katkılar sunmaktadır. Elde edilen sonuçlar, kuantum hesaplamanın pratik uygulamalarına yönelik önemli bir altyapı sağlamakta ve gelecekteki araştırmalar için yol gösterici nitelik taşımaktadır. Bu çalışma, TÜBİTAK tarafından 121E439 numaralı 1001 projesi ve Fırat Üniversitesi Bilimsel Araştırma Projeleri Birimi tarafından TEKF.24.03 numaralı FUBAP projesi kapsamında desteklenmiştir.
Yapay zekâ ile akıllı şehirlerde çevresel görüntü ve video analizi
Bu tez çalışması, akıllı şehirlerde yaşam kalitesini yükseltmek ve güvenlik sistemlerini güçlendirmek amacıyla, yapay zeka temelli gelişmiş görüntü ve video analiz yöntemleri geliştirmeyi hedeflemiştir. Çalışma, üç temel problem üzerinde yoğunlaşarak, yangın algılama, anomali tespiti ve kalabalık analizine yönelik özgün çözümler sunmaktadır. Yangın algılama alanında, görüntülerin renk bilgilerini insan görsel algısına daha uygun şekilde temsil eden HSV (Hue, Saturation, Value) renk uzayına dayalı yenilikçi bir histogram tabanlı yöntem geliştirilmiştir. FLAME veri seti üzerinde gerçekleştirilen kapsamlı deneyler, önerilen yöntemin yangın ve yangın dışı sahneler arasındaki farkları başarıyla tespit ettiğini ve yüksek doğruluk oranlarıyla sınıflandırma performansı sergilediğini göstermiştir. Bu süreçte SVM, Karar Ağacı ve K-Nearest Neighbors gibi farklı makine öğrenmesi algoritmaları kullanılarak elde edilen sonuçlar karşılaştırılmıştır. Anomali tespiti çalışmasında, video akışlarından elde edilen görüntülerdeki hareket ve renk özellikleri, Histogram of Oriented Gradients (HOG) ve renk histogramları gibi etkili öznitelik çıkarım teknikleriyle analiz edilmiştir. Çeşitli makine öğrenmesi modelleriyle gerçekleştirilen sınıflandırmalar sayesinde, güvenlik kameralarından alınan görüntülerde meydana gelen anormal durumların yüksek hassasiyetle tespit edilmesi sağlanmıştır. Kalabalık analizi kısmında ise, derin öğrenme temelli CSRNet ve MCNN modelleri kullanılarak, ShanghaiTech ve Mall veri setleri üzerinde yoğunluk haritaları oluşturulmuş ve kişi sayımı yapılmıştır. Elde edilen deneysel sonuçlar, CSRNet modelinin yüksek yoğunluklu ve karmaşık sahnelerde daha doğru ve detaylı tahminler sunduğunu ortaya koyarken, MCNN modeli ise hesaplama verimliliği ve hızlı tahmin kabiliyetiyle özellikle sınırlı kaynaklara sahip uygulamalarda tercih edilebilir bir alternatif olduğunu göstermiştir. Gerçekleştirilen deneyler ve analizler, önerilen yöntemlerin farklı gerçek dünya senaryolarında güvenilirlik, yüksek doğruluk ve uygulama pratikliği sağladığını ortaya koymuştur. Böylece, bu tez çalışması, akıllı şehirlerde güvenlik, acil durum yönetimi ve toplumsal düzenin izlenmesine yönelik yapay zekâ destekli görüntü işleme tekniklerinin geliştirilmesi ve uygulanmasına önemli katkılar sunmaktadır. Sonuç olarak, elde edilen bulgular ve geliştirilen modeller, akıllı şehir teknolojilerinin gelişimine yön veren kritik adımlardan biri olarak değerlendirilebilir ve gelecekteki araştırmalar için sağlam bir temel teşkil etmektedir.
Development of an IoT based environmental sound event recognition methods using wireless acoustic sensor networks in smart cities
This study aims to enhance environmental sound classification by evaluating several approaches with a custom dataset recoded with Esp32 device and the publicly accessible ESC-10 dataset. The custom dataset has eight categories: airport, beach, aircraft, highway, lobby, lodge, office, and restaurant, whereas the ESC-10 dataset consists of 400 brief recordings across 10 classes. The first method, used transfer learning with the pre-trained DarkNet53 model, the potential of converting sound recordings into Mel-spectrogram and gray-scale images for feature extraction. Achieving a 97.24% accuracy on the ESC-10 dataset, this model outshined the adaptability and efficiency of pre-trained convolutional neural networks (CNNs) in handling relatively small datasets, reducing computational complexity, and achieving competitive results. The second method showed the advanced neural network architectures, considering Long Short-Term Memory (LSTM) Bidirectional Long Short-Term Memory (Bi-LSTM) and CNN models, on the custom dataset. Bi-LSTM achieved superior performance, showing its super capability for contextual learning and capturing temporal dependencies. These results highlight the importance of flexible model architectures to the specific characteristics of the sound data, with Bi-LSTM achieving the highest training accuracy of 99.4% and test accuracy of 97%. The final method emphasized the application of Mel-Frequency Cepstral Coefficients (MFCC) in conjunction with Support Vector Machines (SVM), concentrating on the impact of feature extraction and segmentation duration. This method achieved a peak test accuracy of 97.39% by employing statistical MFCC features with a 10-second segmentation. The findings underscore the significance of feature extraction and extended segmentation in managing classification jobs and enhancing accuracy. This research greatly enhances the creation of precise and dependable environmental sound classification systems for practical applications through the integration of different methodologies.
İnsansız hava araçlarında GPS karıştırma yöntemleri ve analizi
GPS (Global Positioning System) karıştırma tekniği, İnsansız Hava Araçlarının (İHA) kontrol sinyallerini veya veri aktarımını bozmak için kullanılan en temel yöntemlerden biridir. Bu yöntemde, İHA ile kontrol istasyonu arasındaki iletişimi sağlayan RF (radyo frekansı) sinyallerine geniş bantlı gürültü eklenmektedir. Bu, sinyal-gürültü oranını düşürüp iletişimi zorlaştırmakta veya imkansız hale getirmektedir. Özellikle otonom veya yarı otonom İHA'lar için, bu gürültü engelleme tekniği büyük bir risk oluşturabilir. Çünkü bu İHA'lar daha az insan müdahalesine gereksinim duyarlar. RF sinyallerine gürültü ekleyerek, İHA'nın alıcı tarafından gönderilen komutları doğru bir şekilde almasını engelleyebilir ve bu da İHA'nın güvenliğini tehlikeye atabilir. Gürültü engelleme ve GNSS engelleme gibi yöntemlerin etkinliğini azaltmak için farklı İHA'lar farklı iletişim teknolojileri ve güvenlik önlemleri kullanabilirler. Ancak, bu tür saldırılar hala ciddi bir tehdit oluşturmakta ve İHA'ların güvenliğini sağlamak için sürekli olarak gelişen savunma stratejileri ve teknolojileri gerektirmektedir. Bu çalışmada İHA'larda GPS karıştırma yöntemleri incelenmiş ve karşılaştırılmıştır. GPS sinyal sistemleri bileşenleri ve çalışma yapısı incelenmiştir. GPS karıştırma yöntemleri araştırılmış ve bu yöntemler için simülasyonlar gerçekleştirilmiştir. Tez kapsamında Noise Jamming, Tone Jamming, Swept Jamming, Follower Jamming, Smart Jamming ve GNSS Jamming yöntemleri incelenmiştir. Öncelikle simülasyon ortamında bütün jamming yöntemleri modellenmiştir. Daha sonra farklı senaryolarda jamming yöntemlerinin performans değerlendirmesi yapılmıştır. Özellikle jamming katsayıları değiştirilerek GPS ve PSD grafikleri elde edilmiştir. Bir İHA'nın belirli bir lokasyonda hareketi simüle edilmiş, jamming yöntemleri sırasıyla uygulanmış ve rota sapma oranları hesaplanmıştır. Bu kapsamda; Follower Jamming ve Noise Jamming türlerinin GPS sinyalleri üzerindeki etkisi diğer jamming türlerine göre daha fazla olduğu gözlemlenmiştir.
Yerel ağlar için yapay zeka ile güçlendirilmiş hibrit saldırı tespit modeli
Günümüz dijital ortamında, siber güvenlik tehditleri hızla evrim geçirmekte ve bu tehditler karşısında etkili koruma sağlamak zorlaşmaktadır. Saldırı Tespit Sistemleri (STS), modern bilgi güvenliği stratejilerinin temel unsurlarından biri olarak kabul edilmektedir. Yapay zeka modelleri yardımıyla saldırı tespit performansları sürekli geliştirilen STS sistemlerinde istenen saldırı tespit performansı henüz yakalanamamıştır. Bu çalışmada kurumların lokal ağlarına yönelik yapılan siber saldırıların tespitine yönelik bir veri seti oluşturulmuştur. Lokal ağlarda sıklıkla karşılaşılan, veri kayıplarına ve servis kesintilerine sebep olan Arp Spoofing, MAC flooding, DHCP starvation, STP Root Bridge ve Rogue DHCP server saldırı vektörleri kullanılarak bir veri kümesi oluşturulmuştur. Oluşturulan veri setinin saldırı tespit kapasitesinin ölçülmesi için, karar ağaçlarını temel alan bir gradyan güçlendirme algoritması olan Extreme Gradient Boostin (XGBoost) sınıflandırıcısı kullanılmıştır. Saldırı tespit performansını artırmak için yapılan hiper parametre optimizasyonu sonucunda önerilen veri seti üzerinde %89.76'lık doğruluk değerlerine ulaşılmıştır. Ayrıca, saldırı tespit konusundaki en önemli parametrelerden biri olan saldırı tespit süresi de önerilen model için 8.32 saniye gibi kısa bir süredir. Elde edilen bu sonuçlar önerilen veri setinin ve modelin saldırı lokal ağlardaki saldırıların tespitindeki gücünü göstermektedir.