MAKİNE VE DERİN ÖĞRENME YÖNTEMLERİ İLE NESNELERİN İNTERNETİ İÇİN SALDIRI TESPİTİNİN KARŞILAŞTIRILMASI

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: SIHAM AMAROUCHE

Danışman: Kerem Küçük

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Saldırı tespiti ve siber güvenliği, güzümüzde nesnelerin interneti (IoT) alanında en önemli konularından biridir. Nesnelerin internetinde kablosuz ağlara bağlı nesnelerinin kullanımı yaygınlaşmasıyla birlikte ağ sistemleri üzerinden paylaştığımız veri miktarı hızla artmaktadır. Bu veriler saldırılara ve tehditlere karşı savunmasız olabilir ve sistemin gizliliğini, bütünlüğünü, kullanılabilirliğini ve güvenilirliğini artırmak için güvenliğini sağlamaları gerekir. Saldırılar daha karmaşık ve tespit edilmesi zor hale gelmektedir. İnsan kontrolüne veya manuel incelemeye ihtiyaç duymadan yapay zeka algoritmalarını kullanarak saldırıları otonom olarak tespit etme süreci, ağ saldırı tespit sistemlerinde (ASTS) trend konusu haline gelmiştir. Bu çalışmada, UNSW-NB15 açık veri kümesi üzerinde farklı klasik makine öğrenme (MÖ) ve derin öğrenme (DÖ) yöntemlerini uygulanmıştır. Derin öğrenme yöntemlerinde, özellik seçimi işlemine gerek kalmadan bu yöntemler doğrusal olmayan kombinasyonlar üretir, özelliklerin daha az etkisi olan, otomatik olarak daha az ağırlık alır, ancak DÖ yöntemleriyle aşırı öğrenme sorunu hala devam edebilir ve bunu çözmek için çapraz doğrulama, erken durdurma ve parametreleri ayarlama gibi farklı teknikler kullanılmıştır. IoT tabanlı anomali tespiti işlemine en iyi metodu bulmak için deneyler geliştirilmiş, farklı yapay zeka (YZ) modelleri arasında karşılaştırmalar yapılmış ve saldırı tespit sistemlerinde (STS) performansı iyileştirmek ve doğruluğu artırmak için yeni teknikler ve akıllı çözümler sunulmuştur.