Yapay zeka teknikleri ile siber saldırı tespiti

Siber saldırılar günümüzde hem bireysel kullanıcıları hem de kurumsal sistemleri tehdit eden ciddi güvenlik riskleri arasında yer almaktadır. Giderek karmaşıklaşan saldırı türleri, geleneksel güvenlik önlemlerinin yetersiz kalmasına neden olmuş ve yapay zeka ile optimizasyon yöntemlerinin siber güvenlikteki rolünü artırmıştır. Bu tez çalışmasında, CSE-CIC-IDS2018 veri seti kullanılarak Zebra Optimizasyon Algoritması 1 (ZOA) gibi yeni sezgisel algoritmalarla bir veri madenciliğinde bir ön işleme yöntemi olan özellik seçimi gerçekleştirilmiş ve ardından k- En Yakın Komşu (kNN), Rastgele Orman (Random Forest), Çok katmanlı Algılayıcı (Multi-Layer Perceptron) (MLP, LSTN ve RNN gibi makine öğrenimi modelleri kullanılarak performans analizi yapılması planlanmaktadır. Özellik seçiminde kullanılan optimizasyon yöntemlerinin model başarımına olan etkisi detaylı olarak incelenecektir ve farklı modeller için doğruluk oranları karşılaştırılacaktır. Elde edilen sonuçlar, belirli optimizasyon tekniklerinin saldırı tespitinde büyük bir avantaj sağlayıp sağlamadığı değerlendirilecektir. Çalışmamız, siber saldırıların erken tespitinde optimizasyon tabanlı özellik seçim yöntemlerinin önemini vurgulamakta ve gelecekte daha gelişmiş algoritmaların siber güvenlik alanında nasıl kullanılabileceğine dair yol göstermektedir.