Nesnelerin İnterneti Saldırılarının Tespitinde Makine Öğrenmesi Algoritmalarının Performanslarının Karşılaştırılması

Authors : İsa Yıltırak, Ali Öztürk

Pages : 130-140

Doi:10.38016/jista.1635809

View : 125 | Download : 74

Publication Date : 2025-09-29

Article Type : Research Paper

Abstract :Bu çalışmada IoT cihazlarındaki çeşitli saldırı türleri için farklı makine öğrenmesi algoritmalarının sınıflandırma performansları karşılaştırılmıştır. Bu amaçla kullanılan algoritmalar AdaBoost, CatBoost, XGBoost, Karar Ağaçları, K En Yakın Komşu, Rastgele Orman, Light GBM, Lojistik Regresyon ve Gaussian Naïve Bayes\\\'tir. CICIoT2023 veri seti kullanılarak 33 farklı saldırı tipi ve 7 farklı saldırı grubu için saldırı sınıflandırması yapılmıştır. Deneysel sonuçlara göre, makine öğrenmesi algoritmaları arasında Rastgele Orman (RF), 33 saldırı türünü sınıflandırmada %94,90 doğruluk, %94,90 kesinlik, %94,89 hatırlatma, %94,84 F1 puanı, 7 saldırı grubunu sınıflandırmada %94,33 doğruluk, %94,35 kesinlik, %94,33 hatırlatma, %94,31 F1 puanı ve ikili sınıflandırmada %96,81 doğruluk, %97,15 kesinlik, %96,81 hatırlatma, %96,79 F1 puanı oranını elde etti. RF, 33 saldırı türünü sınıflandırmada en iyi performansı gösterdi.
Keywords : Makine Öğrenmesi Algoritmaları, Nesnelerin İnterneti, Saldırı Tespiti, Saldırı Türleri.

ORIGINAL ARTICLE URL