Makine öğrenmesi yöntemleri kullanılarak dağıtık hizmet reddi (DDoS) saldırılarının belirlenmesi

Dijitalleşen dünya ile internet üzerinden verilen hizmetlerin kesintisiz olarak sunulması özellikle hastane, bankacılık, enerji vb. sistemlerde büyük önem taşımaktadır. Bu hizmetleri aksatmaya veya devre dışı bırakmaya yönelik birçok saldırı yöntemi mevcuttur. Bu yöntemlerden biri olan hizmet reddi saldırıları (DoS) her geçen gün daha da karmaşık, tespiti zor olmakla birlikte; bu türden saldırıları düzenlemek birçok araç sayesinde çok kolay ve düşük maliyetli hale gelmektedir. Saldırganlar çok az bilgi ve yeteneklerle hedef sistemlere dağıtık hizmet reddi saldırıları DDoS saldırıları gerçekleştirebilmekte ve hedef sistemleri bazen kısa süreli bazense günlerce sürecek şekilde hizmet veremez duruma getirebilmektedirler. Bu tezde, çevrimiçi olarak mevcut olan en yeni ve kapsamlı saldırı veri kümesi olan CIC-DDoS2019'u sınıflandırmak için K En Yakın Komşu, karar ağaçları ve destek vektör makineleri kullanılmıştır. Karar ağaçları yaklaşımı accuracy, precision, recall, f-1 score metriklerinde 0.99 değeriyle en başarılı model olmuştur. Destek vektör makineleri ise sırasıyla 0.88, 0.90, 0.89, 0.89 accuracy, precision, recall, f-1 score değerleri ile en kötü performansı göstermiştir. Elde edilen bu sonuçlardan sonra kullanılan makine öğrenmesi algoritmaları EN715 Jetson Nano yapay zeka kitine yüklenmiş ve bu kit üzerinden de çalıştırılmıştır. Kullanılan parametreler ve makine öğrenimi teknikleri göz önüne alındığında, bu tez DDoS saldırılarını kategorize etmek için bu teknikleri kullanmayı düşünen araştırmacılar için yararlı bir kaynak olacaktır. Bununla birlikte bu tezde DDoS saldırılarını sınıflandırmak için bir yapay zeka kiti başlangıç seviyesinde kullanılmıştır. Yapay zeka kiti üzerinden daha ileri seviyede çalışma yapacak araştırmacılar için temel düzeyde bilgiler sunulmuştur.