Tez No	İndirme	Tez Künye	Durumu
751416		Yazılım tanımlı ağlarda ağ trafiğine duyarlı bir yaklaşım ile otonom saldırı tespit ve önleme modeli / Autonomous attack detection and mitigation model by network traffic aware approach in software defined networks Yazar:ÖZGÜR TONKAL Danışman: DOÇ. DR. HÜSEYİN POLAT Yer Bilgisi: Gazi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Makine öğrenmesi = Machine learning ; Saldırı tespit sistemi (IDS) = Intrusion detection system (IDS) ; Sanallaştırma = Virtualization ; Trafik güvenliği = Traffic safety ; Trafik planlama = Traffic planning ; Yazılım tanımlı ağlar = Software defined networks	Onaylandı Doktora Türkçe 2022 125 s.
İnternet kullanımının artması ile birlikte bilişim ağları üzerindeki veri trafiği ve çeşitliliği katlanarak artış göstermektedir. Bu büyük veri trafiğini etkin bir şekilde yönetmek için Yazılım Tanımlı Ağ (YTA) ve Ağ Fonksiyonlarını Sanallaştırma (Ağ Fonksiyonlarını Sanallaştırma- AFS) gibi yeni nesil ağ teknolojileri kullanılmaktadır. YTA sahip olduğu merkezi yönetim anlayışı ile geleneksel ağ yaklaşımlarında karşılaşılan birçok zorluğun üstesinden gelse de mimari yapısı sebebiyle saldırganların hedefi olabilmektedir. Bu tez çalışmasında; YTA ortamında hacimsel saldırı trafiklerinin tespitine yönelik, YTA ve AFS' nin sağlamış olduğu avantajlar kullanılarak, trafik farkında otonom özelliklere sahip bir güvenlik modeli önerilmiştir. Önerilen model; YTA kontrolcüsü ile bütünleşik çalışan Trafik Sınıflandırma Servisi (TSS) ve Esnek Güvenlik Servisi (EGS) modüllerini içermektedir. TSS modülü ile trafik sınıflandırma ve süreklilik ölçümü işlemleri gerçekleştirilirken, EGS modülü ile saldırı tespit ve engelleme işlemleri gerçekleştirilir. EGS modülü içerisinde otonom olarak açılıp kapanma özelliğine sahip farklı Siber Güvenlik Alanları (SGA) yer almaktadır. SGA içerisinde; saldırı tespit ve engelleme işlemleri için eğitilmiş makine öğrenme modelleri kullanılmaktadır. Geliştirilen uygulama kullanılarak farklı senaryoların testleri gerçekleştirilmiştir. Senaryo kapsamında, YTA uygulama katmanında çalışan Web ve DNS sunucularını hedef alan saldırılar (HTTP, DNS ve ICMP flood saldırısı) gerçekleştirilmiştir. Önerilen modelin kullanıldığı güvenlik sistemi devreye alındıktan sonra ağ trafik gecikmeleri ve sistem kaynak kullanımları ölçülmüştür. Elde edilen test sonuçları anormallik tespitinde, önerilen modelin başarılı sonuçlar verdiğini göstermektedir.
With the increase in the use of the internet, the data traffic and diversity on the information networks increase exponentially. New generation network technologies such as Software Defined Networking (SDN) and Network Functions Virtualization (NFV) are used to effectively manage this big data traffic. Although SDN overcomes many difficulties encountered in traditional network approaches with its centralized management approach, it can be the target of attackers due to its architectural structure. In this study, an autonomous security model with a traffic awareness was proposed for the detection of volumetric attack traffic in the SDN environment, using the advantages provided by SDN and NFV. The proposed model includes Traffic Classification Service (TCS) and Flexible Security Service (FSS) modules that work integrated with the SDN controller. While traffic classification and continuity measurement operations are performed with the TCS module, intrusion detection and prevention operations are performed with the FSS module. There are different Cyber Security Areas (CSA) within the EGS module that have the feature of opening and closing autonomously. Trained machine learning models are used for intrusion detection and prevention in CSA. Tests of different scenarios were carried out using the developed application. Attacks targeting Web and DNS servers running in the SDN application layer (HTTP, DNS and ICMP flood attack) were designed in the scenarios. After commissioning the security system using the proposed model, network traffic delays and system resource usage were measured. The test results show that the proposed model gives successful results in anomaly detection.