Saldırı Tespit Sistemlerinde Sınıflandırma Yöntemlerinin Kıyaslanması

Authors : Cemile İNCE, Kenan İNCE, Davut HANBAY

Pages : 1-10

View : 13 | Download : 8

Publication Date : 2021-03-01

Article Type : Research Paper

Abstract :İnternet hizmetlerinin hayatımızın her aşamasına girdiği günümüzde, kullanılan sistemlerin güvenliği her geçen gün daha da önem kazanmaktadır. Bu anlamda, Saldırı tespit sistemleri insert ignore into journalissuearticles values(STS); çok önemli yere sahip bir çalışma alanıdır. STS’ler büyük, orta ve küçük ölçekli kuruluşların trafik verilerinin analizinde kullanılır. Bu sistemlerin performansı, hatalı pozitif sınıflandırmalarının az olması ve saldırı türünü doğru kategorize etmesine bağlı olarak değerlendirilir. Birçok farklı yöntem ile STS çalışmaları yapılmakla birlikte, makine öğrenmesi insert ignore into journalissuearticles values(MÖ); yöntemleri tatmin edici çözümler sunabilmektedir. Bu çalışmada en yaygın kullanılan MÖ tekniklerinden destek vektör makinaları insert ignore into journalissuearticles values(DVM);, rasgele orman insert ignore into journalissuearticles values(RO);, k-NN insert ignore into journalissuearticles values(k- en yakın komşu);, aşırı öğrenme makineleri insert ignore into journalissuearticles values(AÖM); yöntemleri tanıtılmış ve kıyaslanmıştır. Bu sistemlerin performansını değerlendirmek için veri seti olarak STS’lerin değerlendirilmesinde bir ölçüt olarak kabul edilen NSL-KDD kullanılmıştır. Doğruluk ve F score parametreleri kullanılarak modellerin performansları hesaplanmıştır. En iyi performans AÖM yöntemi ile elde edilmiştir. Hesaplanan doğruluk değeri %99,8, F score değeri %99,9 olarak hesaplanmıştır.
Keywords : Saldırı tespit sistemi, destek vektör makinaları, aşırı öğrenme, rasgele orman, k En yakın komşuluk