RPL tabanlı nesnelerin interneti için katmanlar arası saldırı tespit sistemi

"Nesnelerin İnterneti" (IoT), hem birbirine hem de İnternet'e bağlı kısıtlanmış cihazlardan oluşan heterojen bir ağdır. IoT'nin önemi son yıllarda önemli ölçüde arttığı için, bu alanda, özellikle bu tür karmaşık sistemlere uygun yeni mekanizmalar ve protokoller geliştirilmesi konusunda birçok araştırma yapılmaktadır. "Düşük Güç ve Kayıplı Ağlar için IPv6 Yönlendirme Protokolü" (RPL), IoT için kabul edilen yönlendirme protokollerinden biridir. Birden çok noktaya yönlendirme sağlar ve temel olarak "çok noktadan tek noktaya" (MP2P) iletişimin yanı sıra "noktadan noktaya" (P2P) ve "tek noktadan çok noktaya" (P2MP) iletişimi de destekler. Ancak, RPL, IoT için önerilen birçok protokolde olduğu gibi, ağ güvenliği ön planda tutularak tasarlanmamıştır. Bu nedenle literatürde RPL'nin güvenliğini sağlamak için bazı çözümler geliştirilmiştir. Ağdaki hareketleri izleyen ve izinsiz girişleri tespit eden "Saldırı Tespit Sistemleri" (IDS'ler), bu tür güvenlik sistemlerinin gerekli bir parçası haline gelmiştir, çünkü önleme mekanizmaları tek başına yeterli değildir. Bu tez çalışmasında, bu tür düşük güç kullanan kayıplı ağlar için yeni bir IDS önerilmiştir. IoT, akıllı evler, akıllı araçlar ve tıbbi bakım gibi çeşitli uygulama alanlarında kullanılır ve her bir uygulama farklı güvenlik gereksinimlerine ihtiyaç duyar. IoT'deki cihazlar kayıplı iletişim ağları ile birbirine bağlanır ve sınırlı kaynaklarla bağlantılı olduğundan saldırılara açıktırlar. Ayrıca, bu tür cihazların iletişimi RPL tarafından sağlandığından, iç saldırganların hedefi haline gelebilirler. Bu tez çalışmasında, RPL'ye yönelik versiyon numarası saldırısı, en kötü ebeveyn saldırısı ve merhaba sel saldırısı gibi RPL'e özgü saldırılar detaylıca analiz edilmiştir. Ayrıca bu tür saldırıları tespit etmek için yapay sinir ağı tabanlı bir saldırı tespit sistemi önerilmiştir. Bu aşamada yönlendirme ve bağlantı katmanından alınan özniteliklerin etkileri araştırılmış ve hem ikili sınıflandırma hem de çoklu sınıflandırma uygulanmıştır. Önerilen sistem daha sonra farklı saldırı yüzdeleri (%2, %6, %10 ve %20) kullanılarak da değerlendirilmiştir. Çalışmanın sonuçları, önerilen sistemin ikili sınıflandırma için %96,88 tespit oranı, %0,13 yanlış pozitif oranı ve çoklu sınıflandırma için %97,52 doğruluk oranı ile saldırıları etkili bir şekilde tespit edebildiğini göstermiştir. Daha spesifik olarak, tespit oranının versiyon numarası saldırısı için % 93,2, en kötü ebeveyn saldırısı için % 98,17 ve merhaba sel saldırısı için %99,96 olduğu gösterilmiştir. Ayrıca, yapay sinir ağı eğitiminde bağlantı katmanıyla ilgili özniteliklerin kullanılmasıyla, yanlış pozitif oranın %0.61'den % 0.13'e düştüğü gösterilmiştir. Bağlantı katmanınından alınan özniteliklerin olumlu etkisi özellikle versiyon numarası saldırısının tespitinde gözlenmiştir. Bildiğimiz kadarıyla, bu çalışma literatürdeki ilk katmanlar arası saldırı tespit sistemini sunmaktadır.