İNSANSIZ HAVA ARAÇLARINA YÖNELİK SİBER TEHDİTLERİN YAPAY ZEKA DESTEKLİ TESPİTİ VE ADLİ ANALİZİ

Abstract

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.In today's rapidly accelerating digitalization era, Unmanned Aerial Vehicles (UAVs) have become widely used across civilian, industrial, and military domains. With features such as autonomous mission execution, real-time data collection, and flexible operational capabilities, these systems stand out while simultaneously exposing a new and vulnerable surface to cybersecurity threats. This expanded attack surface has made UAV systems high-value targets for cyber attackers. In this context, the aim of this thesis is to simulate various cyberattacks targeting UAVs, analyze their effects on flight parameters, and evaluate the detectability of such attacks using artificial intelligence-based methods. Using the PX4 flight stack, cyberattack scenarios including GPS Spoofing, Control Hijack, and Velocity DoS were developed in jMAVSim and Gazebo simulation environments. After each flight, the resulting log files in .ulg format were converted into CSV format for analysis. Data preprocessing steps such as cleaning, feature selection, standardization, and labeling were performed, and the attacks were modeled in a multi-class classification structure. During the modeling phase, algorithms such as XGBoost, LightGBM, Random Forest, and Logistic Regression were employed. According to the obtained results, LightGBM achieved the highest performance with 96.3% accuracy and 95.8% F1-score. Further evaluations using ROC AUC and Confusion Matrix analyses confirmed the consistent classification success of the LightGBM model.