DERİN ÖĞRENME YÖNTEM VE MODELLERİ KULLANILARAK SOSYAL MÜHENDİSLİK SALDIRILARININ TESPİTİNDE YENİ YAKLAŞIMLARIN GELİŞTİRİLMESİ

Abstract

Günümüzün dijital dünyasında meydana gelen gelişmeler neticesinde kullanıcıların sosyal medyada paylaştığı verilerin güvenliğini sağlamak da bilgi güvenliğinin önemini artırmaktadır. Gerekli güvenliğin sağlanmadığı dijital ortamlarda kullanıcıların her türlü verisi saldırgan olarak nitelendirilen kötü niyetli kişilerin açık hedefi haline gelmektedir. Saldırganlar tarafından kullanıcıların başta kişisel verileri ve iş hayatına ilişkin verileri olmak üzere her türlü verisi ele geçirilebilmektedir. Verileri ele geçirmek için kullanılan en yaygın yöntemlerden olan sosyal mühendislik saldırıları bilgi güvenliği ve veri güvenliği açısından büyük tehlike arz etmektedir. Kullanıcıların dijital ortamlarda da en az fiziki ortamlarda olduğu kadar güvende olması günümüzün en önemli sorunları arasında olmakla birlikte bu güvenliğin sağlanması da öncelikle bu saldırıların tespiti ile engellenmesine dayanmaktadır. Bu nedenle öncelikle en yaygın sosyal mühendislik saldırı türleri yakından tanınmalıdır. Akabinde bu saldırıların açıklıkları bulunarak tespiti için yine dijital yöntemlerin geliştirilmesi gerekliliği açıktır. Tez çalışması kapsamında kullanıcıların veri güvenliğinin korunması için en yaygın sosyal mühendislik saldırısı olan SMS kimlik avı saldırılarının tespitine yönelik yenilikçi bir yaklaşım önerilmiştir. DDİ teknikleri ile bu saldırıların tespiti gerçekleştirilerek kullanıcıların bu saldırılardan korunması amaçlanmıştır. DDİ teknikleri kullanılarak Hibrit CNN-BiLSTM yöntemi ile SMS kimlik avı saldırılarının tespiti gerçekleştirilmiştir. Model başarımı 0.998 olarak elde edilmiştir. Ardından Hibrit CNN-GRU yöntemi kullanılarak SMS phishing tespiti gerçekleştirilmiştir. Bu yöntemle gerçekleştirilen tespitin başarım oranı 0.996 olarak elde edilmiştir. Son olarak DDİ teknikleri ile Twitter verileri kullanılarak kısa metinler üzerinde Gated Recurrent Unit (GRU) ile nefret söylemi tespiti gerçekleştirilmiştir. GRU modeli ile 0.998'lik bir başarım elde edilmiştir. Tez çalışması ile DDİ teknikleri kullanılarak sosyal mühendislik saldırılarının tespitinin gerçekleştirilmesi ve literatüre bu alanda katkı sağlanması hedeflenmiştir.

As a result of the developments in today's digital world, ensuring the security of the data shared by users on social media increases the importance of information security. In digital environments where the necessary security is not provided, all kinds of data of users become the open target of malicious people who are considered as attackers. All kinds of data of users, especially personal data and business-related data, can be seized by attackers. Social engineering attacks, which are one of the most common methods used to capture data, pose a great danger in terms of information security and data security. While keeping users at least as safe in digital environments as in physical environments is one of the most important problems of today, ensuring this security is primarily based on detecting and preventing these attacks. For this reason, the most common types of social engineering attacks must first be closely recognized. Then digital methods must be developed to detect vulnerabilities in these attacks. Within the scope of the thesis study, an innovative approach has been proposed to detect smishing attacks, the most common social engineering attack, to protect users' data security. It is aimed to protect users from these attacks by detecting these attacks with Natural Language Processing techniques. Smishing attacks were detected with the Hybrid CNN-BiLSTM method using Natural Language Processing techniques. Model performance was achieved as 0.998. Then, SMS phishing detection was performed using the Hybrid CNN – GRU method. The success rate of the detection performed with this method was obtained as 0.996. Finally, hate speech was detected with GRU on short texts using Natural Language Processing techniques and Twitter data. A performance of 0.998 was achieved with the GRU model. The aim of this thesis is to detect social engineering attacks using Natural Language Processing techniques and to contribute to the literature in this field.