Nesnelerin interneti tabanlı ağ trafiğinde ileri makine öğrenimi ve derin öğrenme yöntemleri ile anomali tespiti

Nesnelerin İnterneti'nin (IoT) yaygınlaşması ve ağa bağlı cihaz sayısındaki hızlı artış hem faydaları hem de birçok sorunu beraberinde getiriyor. Bu sorunların en önemlisi siber saldırılardır. Bu siber saldırılar itibar ve zaman kaybının yanı sıra maddi kayıplara da neden olmaktadır. Bu kayıpları ortadan kaldırmak veya minimuma indirmek için saldırı tespit sistemleri (IDS) ve saldırı önleme sistemleri (IPS) kullanılmaktadır. IDS, imza tabanlı veya anormallik tabanlı olacak şekilde tasarlanmıştır ve şu anda makine öğrenimi yöntemleri olarak anomali tabanlı sistemler kullanılarak geliştirilmektedir. Bu çalışmanın amacı, botnet'i saldırı türlerinden biri olarak ele alarak, ağınıza yüksek başarı oranına sahip bir saldırı olup olmadığını tespit etmektir. Bu sistemin geliştirilmesi için makine öğrenmesi yöntemlerinden biri olan Kolektif Derin Sinir Ağı (DNN) kullanılarak en doğru sonuca yönelik çözüm yöntemlerinin araştırılması amaçlanmaktadır. Çalışmada bilimsel araştırma için UCI Machine Learning kütüphanesinde bulunan N-BaIoT veri seti kullanılmıştır. Veriler, 2 botnet tarafından taşınan 1 iyi huylu ağ akışı ve 9 kötü amaçlı ağ akışından oluşur. Sınıflandırma aşamasından itibaren CNN ağlarının kümelenmiş topluluğu kullanılmıştır. Önerilen yöntem %99 doğruluğa ulaşmış olup, sonuçlar gelecek çalışmalar için cesaret vericidir.