Classification system ids alerts by using data mining technique

Günümüzde insanlar sınırları olmayan bir dünyada yaşıyorlar ve bu nedenle de artık ulaşılmaz olan hiçbir şey yok. Teknolojideki ciddi gelişmeler bilgisayar çağında yeni tehditleri ortaya çıkardı. Bu riskler giderek artmakta ve bizim de bu riskler ile daha etkin bir şekilde mücadele etmemiz gerekmekte. Bu nedenle, araştırmacıların network koruması üzerine odaklanması ve bu amaca yönelik bir yazılım geliştirmesi gerekmektedir. Bir başka deyişle, 'bir sızma tespit sistemi 'intrusion detection system' (IDs) geliştirmek gerekmektedir. IDS çeşitli türlerde saldırıları ortaya çıkarabilir ve network ile bilgisayar sistemlerinde oluşan olayları analiz ederek herhangi bir koruma sorunu olup olmadığını tespit eder. Ancak, IDS tarafından her gün çok sayıda uyarı verilir fakat bu uyarıların yine bir çoğu yanlış alarm olabilir. Bu nedenle, araştırmacılar bu yanlış alarm sorununu çözmenin yollarını aramaktadırlar. Bu çözüm yöntemlerinden bir tanesi veri madenciliği algoritmasıdır, yani büyük veri kümelerinden bilgi madenciliği yapma işlemi. Veri madenciliği bu gibi yüksek oranlı uyarılar ile başa çıkabilmek için uygun bir yöntem olabilir. Bu araştırmada sunulan metodolojinin içerdiği geliştirilmiş veri madenciliği tekniği, alarmları gerçek saldırı ve yanlış saldırı olarak sınıflandırmaktadır. Bu teknik, tavsiye edilen sınıflandırma sisteminin tasarlanmasında kullanılmaktadır. Veri setini test etmek için C# kullanan bir uygulama geliştirilmiştir. Sınıflandırma sistemi, bir askeri idare network simülasyonundan alınan DARPA 1999 veri setinin ikinci, dördüncü ve beşinci haftalarında üç deneme yapılarak test edilmiştir. Her bir deneme yüksek doğruluk oranına ulaşarak alarmları sınıflandırmış ve doğru alarm ile yanlış alarmı ayırt etmeye çalışan güvenlik analistlerine yardımcı olabilecek bir süreç başlatmıştır. İlk denem ikinci haftada gerçekleşmiş ve yanlış alarm yüzdesi (YAY) ile doğru alarm yüzdesi (DAY) sırası ile %95 ve %5 olarak gerçekleşmiştir. İkinci deneme dördüncü haftada gerçekleşmiş ve YAY ve DAY sırası ile %94.19 ve %5.81 olarak gerçekleşmiştir. Üçüncü deneme beşinci haftada gerçekleşmiş ve YAY ve DAY sırası ile 93.768% ve %6.232 olarak gerçekleşmiştir. Aynı veri setini kullanan geçmiş bulgular ile karşılaştırıldığında, teklif edilen sistem en iyi sonuçları elde etmiştir.