Web trafik verilerinde yapay bağışıklık algoritmaları ile anomali tespiti

Günümüzde internet dünyasında farklı türdeki tehditler ve saldırılar artarak devam etmekte ve buna paralel olarak alınan güvenlik önlemlerinde de önemli gelişmeler olmaktadır. Ağ ve web trafiğinde artan kullanıcı sayısı ile paylaşılan veri miktarında meydana gelen ciddi güvenlik zafiyetleri, doğrudan veri sızıntısına sebep olabilmektedir. Bu veri sızıntılarının büyük oranda önlenmesi, çözülmesi gereken önemli bir sorun haline gelmiştir. Özellikle bu alanda yapılan çalışmalar göz önünde bulundurularak hata tespitinin insan hata toleransından çıkarılarak bir sistematiğe bağlanması ve önlem alınması önem taşımaktadır. Bu nedenle, çevrimiçi ziyaretçi sayılarının oranı ile zaman serileri şeklinde gösterilen web trafik verilerinde anormal değişikliklerin hızlı ve doğru bir şekilde tespiti ve önlenmesi büyük önem taşımaktadır. Ağ verilerinde anormal trafiklerin tespiti için farklı metodolojiler ve veri sınıflandırılma teknikleri kullanılmaktadır. Bu problem genellikle sinyal pencereleri üzerinde özellik çıkarılarak sınıflandırma yapılarak değerlendirilmektedir. Bu tez çalışmasında, ağ üzerindeki anormal web trafiklerinin tespiti için Yapay Bağışıklık Sistemlerinin Negatif Seçim Algoritmasına (NSA) dayalı bir yöntem önerilmiş ve kullanıcı dostu bir uygulama yazılımı geliştirilmiştir. Web trafiği için Yahoo Webscope S5 verisetinde bulunan gerçek veriler kullanılmış ve pencere kaydırma yöntemi kullanılarak veriler pencerelere ayrılmıştır. Yapılan deneysel çalışmalarda, web trafik verilerinde oluşan anormal trafik verilerinin tespiti, NSA'nın yapısında bulunan aktifleşen detektör sayılarındaki değişimin izlenmesi ile gerçekleştirilmiştir. Tez çalışması kapsamında önerilen NSA destekli yöntem ile bir web trafik verisi içerisindeki anomalileri doğru bulma konusunda ortalama %94.30, genel sınıflandırma oranında ise ortalama %97.69 başarım elde edildiği görülmüştür.