Derin Ögrenme Tabanlı WAF Modellerine Yönelik Çekişmeli Saldırı Yöntemlerinin Karşılaştırmalı Analizi

Sevri M., Şener E., Köse Y.

24. AKADEMİK BİLİŞİM, İstanbul, Türkiye, 3 - 05 Şubat 2026, ss.1-4, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: İstanbul
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1-4
  • Recep Tayyip Erdoğan Üniversitesi Adresli: Evet

Özet

Bu çalışmada derin öğrenme tabanlı Web Uygulama Güvenlik Duvarı (WAF) modellerinin çekişmeli saldırılara karşı direncini analiz ettik. DNN, CNN ve LSTM mimarileri üzerinde FGSM ve PGD algoritmalarını kullandık. Çalışmamız, küçük pertürbasyonların güvenlik bariyerlerini nasıl etkisiz kıldığını göstermekte ve siber savunma için "adversarial training" yöntemlerinin önemini vurgulamaktadır.

In this study, we analyzed the resilience of deep learning-based Web Application Firewall (WAF) models against adversarial attacks. We used FGSM and PGD algorithms on DNN, CNN, and LSTM architectures. Our work demonstrates how small perturbations can render security barriers ineffective and highlights the importance of adversarial training methods for cyber defense.