Zararlı yazılım saldırılarının öznitelik seçimi kullanılarak yapay zeka tabanlı tespiti ve analizi

Gününüzde siber güvenlik saldır yöntem ve tehditleri giderek karmaşıklaşan yapıları ve gelişen saldırı teknikleriyle küresel ölçekte büyük bir sorun haline gelmiştir. Güncel tehditlerin en önemlilerinden olan zararlı yazılımların sürekli olarak kendilerini yenilemesi ve saldırı tekniklerinin gelişmesi, geleneksel güvenlik yöntemlerinin yetersizliğini ortaya koymaktadır. Bu tez çalışması, yapay zekâ ve makine öğrenimi tekniklerinin zararlı yazılımların tespit ve analiz süreçlerindeki etkinliğini artırarak, siber tehditlere daha hızlı ve etkili bir müdahale sağlama kapasitesine odaklanmaktadır. Tez kapsamında, zararlı yazılım türleri ve saldırı vektörlerini içeren kapsamlı bir veri seti oluşturulmuş ve bu veri seti, verilerin ön işleme adımlarıyla temizlenerek analiz için uygun hale getirilmiştir. Makine öğrenmesi sürecinde karar ağaçları, random forest, k-en yakın komşu (k-NN) ve yapay sinir ağları (Neural Network) gibi farklı algoritmalar kullanılmış, öznitelik seçimi ve optimizasyon teknikleri uygulanarak model performansları karşılaştırılmıştır. Veri seti, test ve analiz olmak üzere iki gruba ayrılarak modelin değerlendirilmesi sağlanmıştır. En iyi performansı gösteren model, derinlemesine incelenmiş ve elde edilen analiz sonuçları üzerinde tartışılmıştır.