Yerel ağlar için yapay zeka ile güçlendirilmiş hibrit saldırı tespit modeli

Günümüz dijital ortamında, siber güvenlik tehditleri hızla evrim geçirmekte ve bu tehditler karşısında etkili koruma sağlamak zorlaşmaktadır. Saldırı Tespit Sistemleri (STS), modern bilgi güvenliği stratejilerinin temel unsurlarından biri olarak kabul edilmektedir. Yapay zeka modelleri yardımıyla saldırı tespit performansları sürekli geliştirilen STS sistemlerinde istenen saldırı tespit performansı henüz yakalanamamıştır. Bu çalışmada kurumların lokal ağlarına yönelik yapılan siber saldırıların tespitine yönelik bir veri seti oluşturulmuştur. Lokal ağlarda sıklıkla karşılaşılan, veri kayıplarına ve servis kesintilerine sebep olan Arp Spoofing, MAC flooding, DHCP starvation, STP Root Bridge ve Rogue DHCP server saldırı vektörleri kullanılarak bir veri kümesi oluşturulmuştur. Oluşturulan veri setinin saldırı tespit kapasitesinin ölçülmesi için, karar ağaçlarını temel alan bir gradyan güçlendirme algoritması olan Extreme Gradient Boostin (XGBoost) sınıflandırıcısı kullanılmıştır. Saldırı tespit performansını artırmak için yapılan hiper parametre optimizasyonu sonucunda önerilen veri seti üzerinde %89.76'lık doğruluk değerlerine ulaşılmıştır. Ayrıca, saldırı tespit konusundaki en önemli parametrelerden biri olan saldırı tespit süresi de önerilen model için 8.32 saniye gibi kısa bir süredir. Elde edilen bu sonuçlar önerilen veri setinin ve modelin saldırı lokal ağlardaki saldırıların tespitindeki gücünü göstermektedir.