The Effects of Normalization and Standardization an Internet of Things Attack Detection

Authors : Gözde KARATAŞ BAYDOĞMUŞ

Pages : 187-192

Doi:10.31590/ejosat.1017427

View : 23 | Download : 13

Publication Date : 2021-12-01

Article Type : Research Paper

Abstract :Bilgisayar çağında yaşadığımız ve dünyadaki birçok cihazın internete erişimi olduğu herkes tarafından bilinen bir gerçektir. Peki bu internete bağlanan cihazlar ne kadar güvenlidir? Davetsiz misafirlerden –saldırgan- kullanıcı bilgilerine erişilmeyeceğine dair herhangi bir garanti verilebilir mi mı? Nesnelerin İnterneti (IoT) kavramının hayatımıza girmesinden sonra evdeki buzdolabında bulunan yiyecekleri görmek, arabanın içinden internete bağlanmak, kullanılan akıllı saatten görüntülü sohbet etmek gibi pek çok şey insan hayatına girmiştir. Bu yeni kavramlar ile birlikte kötü amaçlı yazılımların ve saldırganların da sayısı artmaktadır. Bu konularda çalışma yapan araştırmacılar giderek artan veri sayısına bağlı olarak ağ güvenliğinin önemini vurgulamakta ve çalışmalarını bu alanda yoğunlaştırmaktadır. Güvenli bir saldırı tespit sistemi tasarlarken veri ön işleme en önemli aşamalardan biridir. Ve IoT cihazlarında bu alanlarda yapılan çalışmalar hem dikkat çekmektedir hem de hız kazanmıştır. Yapılan bu çalışmada, IoT cihazlarına yönelik saldırıları tespit etmede makine öğrenmesi yaklaşımlarını daha başarılı kılmak için veri ön işlemede normalizasyon ve standardizasyonun önemini incelemek hedeflenmiştir. Buna göre çalışma, Bot-IoT veri kümesi kullanılarak Lojistik Regresyon, Karar Ağacı ve Stokastik Gradyan Arttırma makine öğrenme algoritmaları üzerinde gerçekleştirilmiştir. Bot-IoT veri kümesi, IoT cihazlarında güvenliği sağlamak için yapılan çalışmalarda yaygın olarak kullanılan popüler bir veri kümesidir. Seçilen bu veri kümesine veri ön işleme yapılmıştır, bunun için ayrı ayrı normalizasyon ve standardizasyon işlemleri uygulanmış ardından seçilen bu –normalize/standardize edilmiş- veri kümeleri ile belirlenen makine öğrenmesi algoritmaları eğitilmiş ve test edilmiştir. Makine öğrenmesi algoritmaları ile yapılan eğitimler sonucunda Doğruluk, Kesinlik, Geri Çağırma ve F1 Skor sonuçlarının değerleri incelenmiştir. Yapılan çalışma sonucunda ise Lojistik Regresyonda standardizasyonun doğruluk oranını %99.96'ya kadar arttırdığı görülmüştür.
Keywords : Bot IoT, IoT intrusion, Machine learning, Intrusion detection