Oltalama saldırılarının makine öğrenmesi ile tespitinde kullanılan özniteliklerin analizi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: Türkçe

Öğrenci: SİBEL KAPAN

Danışman: Efnan Şora Günal

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Oltalama saldırısı teknik altyapısı olan sosyal mühendislik saldırısıdır. Oltalama saldırılarının teknik altyapısını, yasal web sitelerinin kopyalanması ile oluşturulan oltalama web siteleri oluşturur. Oltalama saldırılarının yaygınlaştığı günümüzde, oltalama web sitelerinin tespiti için liste veya sezgisel yöntemler tercih edilmektedir. Liste yöntemleri, sıfır gün saldırılarında etkili olmadığından, sezgisel yöntemler oltalama web sitelerinin tespitinde tercih edilmektedir. Bu çalışmada oltalama web sitelerinin tespitinde kullanmak için yeni bir veri kümesi toplanmıştır. Sunulan veri kümesi 25 öznitelik içermektedir. Bu veri kümesinde HTTP yanıt geçmişi yeni bir öznitelik olarak literatüre sunulmuştur. Öznitelikler URL, HTML ve HTTP yanıtları olarak 3 gruba ayrılmıştır. Oltalama web sitelerinin tespitinde farklı gruplara ait özniteliklerin etkileri araştırılmıştır. Deneylerde Destek Vektör Makinesi, Stokastik Gradyan İnişi, Perseptron, Naïve Bayes, Çok Katmanlı Perseptron, k-En Yakın Komşu ve Karar Ağacı makine öğrenmesi sınıflandırıcıları kullanılmıştır. Deney sonuçları incelendiğinde URL ve HTTP yanıtları gruplarına ait özniteliklerin, tüm özniteliklerin kullanılmasına kıyasla zaman ve başarım oranları açısından daha iyi sonuçlar verdiği görülmüştür. Karar Ağacı sınıflandırıcısı 0,99'lık F1-skor oranı ile URL ve HTTP yanıtları özniteliklerini kullanarak en iyi başarım oranına sahiptir.