CICIoT2023 veri seti ile IoT ortamlarında siber saldırıların tespiti ve analizi

Nesnelerin İnterneti (IoT) teknolojilerinin hızla yaygınlaşması, bu sistemlere yönelik siber saldırı risklerini de beraberinde getirmektedir. Özellikle sınırlı işlem gücüne ve güvenlik önlemlerine sahip IoT cihazları, DDoS saldırıları ve diğer siber tehditler karşısında savunmasız hale gelmekte, bu da hizmet kesintilerine ve kritik altyapıların zarar görmesine neden olabilmektedir. Bu çalışmada, IoT ortamlarında meydana gelen siber saldırıların tespit edilmesi ve analiz edilmesi amacıyla CICIoT2023 veri seti kullanılarak çeşitli makine öğrenmesi ve derin öğrenme algoritmalarının performansları değerlendirilmiştir. Lojistik Regresyon (LR), Karar Ağaçları (KA), Naive Bayes (NB), K-En Yakın Komşular (KEYK), Rasgele Orman (RO), Gradyan Artırma (GA), Aşırı Gradyan Artırma (AGA), Yapay Sinir Ağları (YSA), Uzun Kısa Süreli Bellek (UKSB), Tekrarlı Sinir Ağları (TSA) ve Evrişimli Sinir Ağları (ESA) gibi modeller kullanılarak, saldırı tespitindeki etkinlikleri karşılaştırılmıştır. Elde edilen sonuçlar, yapay zekâ ve makine öğrenmesi tabanlı yaklaşımların IoT sistemlerinde siber tehditleri tespit etmede etkili olduğunu göstermektedir. Çalışma, IoT güvenliğini artırmaya yönelik daha güçlü savunma mekanizmalarının geliştirilmesine katkı sağlamayı ve gelecekteki araştırmalar için yol gösterici olmayı amaçlamaktadır.