Saldırı Tespit Sistemlerinde Makine Öğrenimi Tekniklerinin Kullanımı ve Analizi

Günümüzün teknoloji odaklı dünyasında kamu kurum ve kuruluşlar, sağlık kuruluşları, bankalar gibi sistemler siber güvenlik riski ve tehditleri ile karşılaşmaktadırlar. Bunun gibi internet ortamında olan sistem ve uygulamaların güvenliğinin sağlanmasında Saldırı Tespit Sistemlerinin kullanımı oldukça önemlidir. İnternet ağında meydana gelen hareketleri inceleyen ve anormal davranışları tespit edebilen ve tehditlerin üstesinden gelebilen saldırı tespit sistemleri, sistemin güvenliğini sağlamada başarılı bir şekilde kullanılmaktadır. Klasik Saldırı Tespit Sistemlerinin yanı sıra makine öğrenmesi yöntemleri ile siber saldırıların tespiti ve analizi ile sistemlerin güncel tutulabilmesi sağlanabilmektedir. Bu tezde, sisteme yapılan kötü amaçlı faaliyetleri tespit edebilen makine öğrenimi tabanlı bir saldırı tespit sisteminin başarımı için kapsamlı bir analiz çalışması yapılmıştır. Bu araştırmada veri seti olarak CSE-CIC- IDS-2018 veri seti kullanılmıştır. Çalışma gerçekleştirilirken her saldırı türüne ait veriler için öncelikle veri önişleme, ardından üç farklı öznitelik seçme yönteminden toplanan bilgiler analiz edilerek her bir saldırı için öznitelikler seçilmiştir. Daha sonra makine öğrenmesi teknikleri ile STS'nin başarısı ve performansı doğruluk, duyarlılık, kesinlik ve F-Skoru ve karmaşıklık matrisi gibi metriklerle değerlendirilmiştir. Yapılan çalışmalar sonucunda tüm saldırı çeşitlerinde ortalama olarak en iyi başarıyı yaklaşık %95 doğruluk oranıyla Rassal Orman algoritması sağlamıştır.