Destek vektör makinesi (DVM) sınıflandırma metodu kullanan saldırı tespit sistemlerinin performansının özellik seçimi ile artırılması

Çağımızın getirdiği teknolojik gelişmenin en somut örneklerinden biri olan Internet, hayatımızı bir çok alanda kolaylaştırırken, bilgi sistemleri unsurlarındaki zaafiyetlerin kötü niyetli kişiler tarafından kullanılması ciddi olumsuz sonuçlar doğurmaktadır. Bilgisayar ağ güvenliğinde kullanılan anti virüs yazılımları, güvenlik duvarları, kimlik doğrulama, erişim ve ortam kontrolü gibi sistemler saldırı tespit sistemleri tarafından tamamlanmaktadır. Anomali saldırı tespit sistemi modelinde daha çok sınıflandırma amacıyla kullanılan destek vektör makinesinin performansını artırmak amacıyla özellik seçimi yöntemleri kullanılmaktadır. Bu araştırmada, KDD99 veri kümesi üzerinde, destek vektör makinesi ile yapılan sınıflandırmanın performansının, Fisher Score özellik seçim yöntemiyle artırılabildiği gösterilmektedir. Çalışmada, özellik seçim yöntemiyle önem derecesine göre sıralanan özelliklerden farklı alt kümeler oluşturulmaktadır. Alt kümedeki özellik sayısı azaldıkça, kümedeki özelliklerden her birindeki değişimin kümenin performansında daha çok etkiye neden olduğu, özellik alt kümesinde önem derecesi daha az özelliklerin sayısının artmasıyla isabet oranında azalış ve çalışma süresinde artış, ya da isabet oranında belirgin değişim olmasa da sadece çalışma süresinde artış izlenmiştir.