Derin öğrenme yöntemleri ile bilgisayar ağlarında güvenliğe yönelik anormallik tespiti

Abstract

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.