Detection of DIS Flooding Attacks in IoT Networks Using Machine Learning Methods

Authors : Semih ÇAKIR, Nesibe YALÇIN

Pages : 1317-1320

Doi:10.31590/ejosat.1014917

View : 66 | Download : 15

Publication Date : 2021-11-30

Article Type : Research Paper

Abstract :Günümüzde Nesnelerin İnterneti (Internet of Things, IoT) geniş bir kullanım alanına sahip olup insan müdahalesi olmaksızın birbirleriyle haberleşebilen akıllı nesnelerle hayatımızı kolaylaştırmaktadır. Ancak Kablosuz Algılayıcı Ağlar’da olduğu gibi, IoT ağları da yeni riskleri beraberinde getirmektedir. Endişe verici boyutlara ulaşan bu riskler, ağ topolojisinde güvenlik, gizlilik ve enerji gibi bazı önemli sorunlara neden olmaktadır. Düşük Güç ve Kayıplı Ağlar için IPv6 Yönlendirme Protokolü (RPL), IoT ağlarındaki kaynak kısıtlı cihazlar için bir yönlendirme protokolüdür. Düğümler arasında iletilen paketler bir dizi saldırıya maruz kalabilir. DODAG Information Solicitation (DIS) Flooding saldırısı, bu protokole karşı en etkili saldırı türlerinden biridir ve ağ içerisinde yer alan düğümlerin enerji seviyesini ve işlem kapasitelerini olumsuz etkiler. IoT güvenliğinde saldırıları tespit etmek için birçok saldırı tespit yöntemi kullanılsa da yenilikçi ve enerji korunumlu yöntemlere ihtiyaç duyulmaktadır. DIS Flooding saldırılarını tespit etme ve önleme yöntemleri literatürde yeterince ele alınmamıştır. Söz konusu eksikliği gidermek için bu çalışmada, Lojistik Regresyon (LR) ve Destek Vektör Makinesi yöntemleri kullanılarak DIS Flooding saldırılarının yüksek doğruluk oranı ile tespiti gerçekleştirilmiştir. Çalışmada Contiki-Cooja simülasyon ortamı kullanılmış ve deneysel sonuçlar çeşitli performans ölçütleri kullanılarak değerlendirilmiştir. Değerlendirme sonucuna göre, LR yöntemi DIS Flooding saldırı tespitini daha yüksek başarım ile gerçekleştirmiştir.
Keywords : DIS Flooding, Makine Öğrenmesi, Nesnelerin İnterneti, RPL, Saldırı Tespiti

ORIGINAL ARTICLE URL