Dağıtık hizmet aksatma ((DDoS) saldırılarının yapay zeka yöntemleri kullanılarak tespiti

İnternet her geçen gün hayatımızda daha çok alana nüfuz etmektedir. Ancak beraberinde güvenlik problemleriyle daha çok karşılaşılmaya başlanmıştır. Nexuesquard'ın 2023 yılının ilk çeyreği için yayınladığı rapora göre Dağıtık Hizmet Aksatma (DDoS) saldırılarının %183 oranında arttığı raporlanmıştır (Anonim, 2023a). Aynı zamanda Nesnelerin İnternet'i uygulamalarıyla internete katılan cihaz sayısı arttıkça saldırganların saldırı ağlarının kapasitesi genişlemektedir. Internet ortamında güvenliği sağlamak için dönemin tekniklerine uygun olarak yapay zekâ temelli saldırı tespit sistemleri inşa edilmektedir. Bu çalışmanın amacı saldırı tespit sistemlerinde kullanılan öznitelikleri karşılıklı bilgi metodu ile seçip yapay zekâ temelli algoritmalarının DDoS ataklarını tespit etme başarı oranlarını analiz ederek gelişmiş saldırı tespit sistemleri oluşmasına katkı sağlamaktır. Çalışmada CICDDOS2019 veri seti kullanılmıştır. Veri setinde yer alan DDoS atakları makine öğrenmesi algoritmaları olan K-En Yakın Komşu, Karar Ağacı, Naive Bayes ve Rasgele Orman algoritmaları kullanılarak tespit edilmiştir. Çalışma kapsamında yapılan tüm deneylerde öznitelik seçiminden sonra yapılan sınıflandırma başarısında kabul edilebilir seyide düşüş gözlenmiştir, tespit sürelerinde ise belirgin bir azalma gözlenmiştir. Gerçek hayat uygulamalarında ağ trafiğinin yönetiminde atakların türüne bakılmaksızın engellenmesi, atak olmayan paketlerin ise ağ trafiğine dahil edilmesi beklenir. Tüm öznitelikler kullanılarak gerçekleştirilen ikili sınıflandırma işleminde test setinde atak olmayan paketlerin tespitinde doğruluk oranı %99,34 ile K-En Yakın Komşu algoritmasında elde edilmiştir, öznitelik seçimi yapıldıktan sonra ise en yüksek doğruluk oranı %96,29 ile Naive Bayes algoritmasında elde edilmiştir. Sınıflandırmada kullanılan öznitelik sayısının azaltılması hafıza kullanımı ve CPU işlem zamanında azalma sağlaması beklenir. Yapılan deneysel çalışmada buna paralel olarak öznitelik seçimi yapıldıktan sonra yapılan sınıflandırma işlem sürelerinde belirgin bir azalma olduğu gözlenmiştir.