Siteler arası betik çalıştırma saldırıları için derin öğrenme tabanlı tespit sistemi

Günümüz dünyasında yapılan işlerin birçoğu sanal ortamlara aktarılmakta, eskiden el ile yapılan işler web uygulamaları vasıtasıyla yapılmaktadır. Web uygulamalarına aktarılan işler başlarda yerel ağlarda çalıştırılırken artan mobilite, uzaktan çalışma konseptleri, her yerden ulaşılabilme ihtiyaçlarıyla birlikte uygulamalar internete açık hale gelmiş, kullanıcıların erişimi kolaylaşırken saldırganlar içinde yeni hedefler ortaya çıkmıştır. Ayrıca Sıfır Güven(Zero Trust) anlayışıyla birlikte artık yerel ağ-genel ağ konseptleri terk edilerek uygulamaya erişilebilen her alan aynı güvenlik düzeyinde kabul edilmeye başlanmıştır. Bu durum güvenli ve kontrol altındaki ağlarda çalışacağı düşünülerek güvenlik konseptleri dikkate alınmadan geliştirilen web uygulamalarını açık tehdit haline getirmiştir. Bu tür sistemlere yapılan saldırılar imza tabanlı çalışan IPS-IDS sistemleri ile engellenmeye çalışılmakla beraber, saldırganlarda bu tür sistemleri atlatmak için yöntemlerini değiştirmekte, imza veritabanlarının güncelleme hızı yeni yöntemlerin geliştirilme hızının gerisinde kalmaktadır. Bu çalışma ile derin öğrenme sistemlerini kullanarak yüksek başarımlı bir XSS saldırısı tespit sisteminin geliştirilmesi amaçlanmıştır. Çalışmada yapay zeka alanındaki yeni trendlerden biri olan evrişimli sinir ağları kullanılmıştır. Veri seti OWASP ve PortSwigger sayfalarından toplanan örneklemleri içermektedir. Veri setinden zararlı kodlar ile birlikte zararsız kodlarda yer almaktadır. Geliştirilen sistem %99 oranında doğruluğa ulaşmış olup, mevcut sistemlere entegrasyonu açısından elverişli olduğu gösterilmiştir.