Makine öğrenimi yöntemleri ile ağ saldırılarının tespiti

Abstract

Günümüzde siber tehditlerin çeşitlenmesi ve karmaşık hâle gelmesi, ağ altyapılarının güvenliğinin sağlanmasını kritik bir gereksinim hâline getirmiştir. Bu bağlamda, ağ trafiği üzerinde meydana gelen zararlı faaliyetlerin erken aşamada belirlenebilmesi için Ağ Saldırı Tespit Sistemleri (NIDS) önemli bir rol üstlenmektedir. Bu tez çalışmasında, makine öğrenmesi tabanlı yöntemler kullanılarak ağ saldırılarının etkin bir biçimde tespit edilmesi amaçlanmıştır.Çalışma kapsamında, gerçekçi trafik yapısı ve güncel saldırı senaryoları içermesi nedeniyle UNSW-NB15 veri kümesi tercih edilmiş ve problem çok sınıflı saldırı tespiti çerçevesinde ele alınmıştır. Geleneksel yaklaşımlardan farklı olarak, yalnızca normal ve anormal trafik ayrımı yapılmamış; veri kümesinde yer alan çeşitli saldırı türleri ayrı sınıflar olarak değerlendirilmiştir. Bu yaklaşım sayesinde, ağ trafiğinin davranışsal özellikleri daha ayrıntılı şekilde analiz edilebilmiştir. Deneysel analizlerde Rastgele Orman, Destek Vektör Makineleri, k-En Yakın Komşu, Karar Ağacı ve Naive Bayes olmak üzere beş farklı denetimli makine öğrenmesi algoritması kullanılmıştır. Modeller, beş katlı çapraz doğrulama yöntemi ile değerlendirilmiş; doğruluk, kesinlik, duyarlılık ve F1 skoru gibi performans ölçütleri esas alınarak karşılaştırılmıştır. Elde edilen bulgular, Rastgele Orman ve k-En Yakın Komşu algoritmalarının genel sınıflandırma başarımı açısından öne çıktığını, diğer yöntemlerin ise belirli saldırı türlerinde rekabetçi sonuçlar ürettiğini ortaya koymuştur. Ayrıca, karışıklık matrisi analizleri aracılığıyla sınıflandırma hatalarının dağılımı ayrıntılı olarak incelenmiştir. Bu tez çalışmasının temel katkısı, UNSW-NB15 veri kümesi üzerinde farklı makine öğrenmesi algoritmalarının çok sınıflı saldırı tespit problemindeki performanslarının sistematik ve karşılaştırmalı biçimde değerlendirilmesidir. Elde edilen sonuçlar, tek bir algoritmanın tüm saldırı türleri için ideal bir çözüm sunmadığını ve model başarısının veri dağılımı ile öznitelik yapısına bağlı olarak değiştiğini göstermektedir. Bu doğrultuda, gelecekte hibrit ve çok aşamalı saldırı tespit yaklaşımlarının ağ güvenliği alanında daha etkili çözümler sunabileceği değerlendirilmektedir.