Özet:
Bilgisayar ağlarına yapılan saldırıların etkin bir biçimde tespit edilmesine yönelik bir
sistem tasarlanması aktif bir araştırma konusudur. Günümüzde bilinen saldırıların
tespiti konusunda yüksek başarım ile çalışabilen statik ve yapay zeka tabanlı yöntemler
var olmasına rağmen sıfırıncı gün saldırılarını etkin bir biçimde tespit edecek bir
yöntem tasarlanması konusundaki çalışmalar devam etmektedir. Bununla beraber,
sıfırıncı gün saldırılarının tespiti konusunda makine öğrenmesi yöntemlerinin geçmişte
önerilmiş statik yöntemlere göre çok daha başarılı sonuçlar verdiği bilinmektedir. Bu
sebeple makine öğrenmesi tabanlı ağ saldırı tespiti yöntemleri her geçen gün daha da
popülerleşmektedir. Bu tez kapsamında makine öğrenmesi yöntemlerinin bir alt kolu
olan ve mevcut makine öğrenmesi yöntemlerine göre birçok problemin çözümü
konusunda çok daha başarılı sonuçlar veren derin öğrenme yöntemleri kullanılarak,
NSL-KDD veri kümesi üzerinde anomali tespiti tabanlı ağ saldırı tespiti yapılmıştır.
Tez kapsamında kullanılan yöntemler uç değer tespiti tabanlı anomali tespiti ve
sınıflandırıcı tabanlı anomali tespiti olarak iki ayrı kategori altında incelenmiş ve
sonuçları kıyaslanmıştır. Uç değer tespiti yaklaşımı için derin öğrenme yöntemlerinin
bir alt bileşeni olan otomatik kodlayıcıların anomali tespiti konusundaki
performanslarını arttırmak amacı ile stokastik bir anomali eşik değeri tespit yöntemi
önerilmiş ve önerilen yöntemi kullanan deterministik otomatik kodlayıcı ve gürültü
giderici otomatik kodlayıcı modelleri, NSL-KDD’nin içinde bulunan KDDTest+ kümesi
üzerinde sırası ile %88,28 ve %88,65 doğruluk oranları ile başarım sağlamıştır.
xii
Sınıflandırıcı yaklaşımı için ise mevcut derin öğrenme yöntemlerinden deterministik
otomatik kodlayıcı ve gürültü giderici otomatik kodlayıcı tabanlı derin yapay sinir
ağlarının KDDTest+ üzerindeki anomali tespit performansları ölçülmüş ve sırası ile
%79,25 ve %83,39 doğruluk oranları ile başarım sağlanmıştır. Elde edilen sonuçlar
önerilen eşik değeri belirleme yöntemini kullanan, gürültü giderici otomatik kodlayıcı
yönteminin tekil bir yöntem olarak literatürdeki diğer tüm tekil yöntemlerden daha
başarılı olduğunu ve hibrit yöntemlerin de en başarılı olanlarına eş değer performansa
sahip olduğunu göstermiştir.
