Increasing communication security among internet of things

Bilişim teknolojilerinin gelişimi, yaşamımızın çeşitli yönlerine önemli katkılar sağlamaktadır. Teknolojinin büyüme hızına bağlı olarak birçok yeniliği de beraberinde getiriyor. Nesnelerin interneti (IoT), son yıllarda en popüler ve en hızlı büyüyen teknolojiler arasında yer alıyor. Adreslenebilir IoT cihazları, internet üzerinden önemli verileri oluşturuyor ve kullanıyor. Veri trafiğindeki artış nedeniyle IoT ağlarındaki saldırılar da önemli ölçüde artıyor. Bu tez, IoT ağlarına yönelik saldırıları tespit etmek için ikili ve çoklu etiket sınıflandırma yöntemleri sağlayarak IoT iletişiminde güvenliği artırıyor. İzinsiz girişleri tespit etmek için yeni bir hibrit Derin Öğrenme modeli tasarlandı. Önerilen İzinsiz Giriş Algılama Sistemi (IDS) için iki farklı genel veri seti (CIC-IDS-2018, Bot-IoT) kullanıldı. Ayrıca, son yıllarda IoT ağlarına yönelik yönlendirme saldırılarındaki artış nedeniyle, IoT cihazlarını hedefleyen yönlendirme saldırılarını içeren yeni bir veri seti oluşturuldu. Böylelikle, şu anda yapılan çalışmalarda 14 saldırı türü analiz edilmiştir. Analizin sonuçları, modelin doğruluğu, F1-puanı ve eğitim süresi olarak kapsamlı bir şekilde sunulmuştur. Sonuçlarımızı önceki çalışmalarla karşılaştırdığımızda, tasarlanan hibrit Derin Öğrenme modelimizin en iyi eğitim süresi/doğruluğu ve eğitim süresi/F1-puanı performans oranlarına sahip olduğunu ortaya koydu. Karşılaştırmalar, önerilen modelimizin önceki çalışmalara göre IoT saldırılarını tespit etme konusunda daha başarılı olduğunu gösteriyor. Önerilen modelimizin başarılı performansı, hibrit Derin Öğrenme yöntemlerinin IoT izinsiz giriş algılama sistemlerinde yenilikçi ve verimli bir perspektif olabileceğinin kanıtıdır