Saldırı Tespitinde Makine Öğrenmesi Yöntemlerinin Performans Analizi

Türkçe

İnternete olan ilgi son yıllarda inanılmaz derecede artmış ve artmaya devam etmektedir. Bu artışa birde salgın hastalık koşulları eklenince insan hayatını etkileyen her şeyi internet vasıtasıyla yapmaya odaklanılmıştır. İnternete olan ilgi nasıl arttıysa bu ilgiyi suiistimal etmek isteyen kişilerde ve suç ifa edebilecek olan durumdaki faaliyetlerde de artmış ve istikrarlı şekilde artmaya devam etmiştir. Organizasyonların ağ güvenliğini sağlaması çok daha zor hale gelmiştir. Saldırı ve suçlulara karşı ağ güvenliğini sağlamak için birçok farklı güvenlik sistemleri kullanılmaktadır. Saldırı Tespit Sistemleri (STS) ağ güvenliği için kullanılan güvenlik sistemlerden bir tanesidir. STS aynı zamanda akademik dünyada da oldukça ilgi gören konudur. Son yıllarda araştırmacılar daha verimli ve etkin bir STS ortaya koymak için birçok çalışma yapmıştır. Yapılan çalışmalarda bencmark veri seti olarak kullanılan veri setlerinin günümüz şartlarını taşımadığı ve değerlendirmelerde doğru sonuçları vermediği görülmüştür. Bu soruna çözüm olması için 2015 yılında yayınlanan UNSW-NB15 veri seti oluşturulmuştur. Bu çalışmanın amacı STS’yi daha verimli ve etkin hale getirmek için kullanılan makine öğrenmesi yöntemlerinin UNSW-NB15 veri seti kullanılarak incelenmesi ve karşılaştırılmasıdır. Bunu yaparken kullanılan Özellik Seçim yönteminin algoritma performanslarına olan etkisi de değerlendirilmiştir. Çalışma kapsamında, Orange aracını kullanarak makine öğrenmesi yöntemlerinin performansları karşılaştırıldı. Ayrıca elde edilen sonuçlar ile daha önce yapılmış çalışmalar karşılaştıırlmıştır.