Anomaly-based intrusion detection using machine learning: a case study on probing attacks

Siber saldırılar ekonomik, itibari ve yasal açılardan sonuçlar doğurarak organizasyonlara yaşamsal bir tehdit oluşturmaktadır. Siber suçlular tarafından kullanılan teknikler geliştikçe, bilgi güvenliği uzmanları popüler gizlilik, bütünlük ve erişilebilirlik üçgeninin bileşenlerini sağlamakta daha çok zorluk yaşamaktadır. Günümüzün birbirine bağlı bilgisayar dünyasında, her saldırının ağ ile ilgili bir boyutu bulunmaktadır. Bu yüzden bu çalışma, siber ihlal girişimlerini anomali tabanlı bir makina öğrenmesi modeli kullanarak geleneksel kural tabanlı metotlardan daha başarılı bir şekilde tespit etmeyi ve daha iyi koruma sağlamayı hedeflemektedir. Gerçek ortam sistemleri üzerinden toplanan veri üzerinde iki farklı model oluşturulmuş olup, bunlar sırasıyla topluluk öğrenmesi ve evrişimli sinirsel ağ modelleridir. Oluşturulan modellerin güvenirlirlik ve geçerliliğinin gösterilmesi amacıyla bu modeller aynı zamanda bir kıyaslama veri seti olan UNSW-NB15 veri seti üzerinde uygulanmıştır. Çalışmanın kapsamını aşmaması maksadıyla sadece keşif saldırıları üzerine yoğunlaşılmış ve modeller bunları tespit edecek şekilde eğitilmiştir. Sonuçlar göstermiştir ki; her iki model de seçilen siber ihlal tipini 0.97'den fazla bir F1 skoru ile doğru tahmin edebilmiştir. Evrişimli sinirsel ağ modeline ait sonuçlar bir miktar daha iyi olup, 0.99 seviyesindedir. UNSW-NB15 veri seti üzerinde alınan benzer sonuçlar oluşturulan modelin geçerliliğini göstermektedir.