Makine öğrenmesi yöntemleri ile botnet saldırı tespiti: Boyut indirgeme yaklaşımları
Botnet attack detection with machine learning methods: Dimension reduction approaches
- Tez No: 925345
- Danışmanlar: DOÇ. DR. GÜR EMRE GÜRAKSIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Bu çalışmada, siber güvenlikte önemli bir tehdit oluşturan botnet saldırılarının tespiti için bir saldırı tespit sistemi geliştirilmiştir. CSE-CIC-IDS2018 veri seti üzerinde gerçekleştirilen çalışmada, makine öğrenmesi algoritmalarından k-en yakın komşu, lojistik regresyon, karar ağacı ve rastgele orman modelleri kullanılarak anomali tabanlı bir sınıflandırma yöntemi oluşturulmuştur. Veri setindeki yüksek boyutlu özelliklerin işlenmesi için temel bileşen analizi, korelasyon tabanlı ve karşılıklı bilgi boyut indirgeme yöntemleri uygulanmış; ayrıca bu yöntemlerin güçlü yönlerini birleştiren hibrit yöntemler geliştirilmiştir. Boyut indirgeme yöntemleriyle, veri setindeki gereksiz özellikler elimine edilerek sınıflandırma süresi optimize edilmiş ve model performansında iyileştirme sağlanmıştır. Hibrit yöntemler, temel bileşen analizi, korelasyon tabanlı ve karşılıklı bilgi yöntemlerinin avantajlarını bir araya getirerek hem işlem süresini azaltmış hem de doğruluk ve f1 skoru açısından yüksek performans göstermiştir. Bu yöntem, karmaşık veri yapılarında önemli özellikleri etkin bir şekilde seçerken modelin eğitim süresini kısaltarak gerçek zamanlı saldırı tespit sistemleri için uygun bir çözüm sunmaktadır. Çalışmada elde edilen bulgular, hibrit yöntemlerin diğer boyut indirgeme tekniklerine kıyasla yüksek performansı korurken işlem süresini önemli ölçüde azalttığını göstermiştir. Elde edilen sonuçlar, doğruluk, kesinlik, duyarlılık, f1 skoru ve eğitim süresi açısından kapsamlı bir değerlendirme sunmuş, özellikle hibrit yöntemler, hız ve doğruluk oranını dengede tutarak siber güvenlik alanında etkili bir araç olduğunu kanıtlamıştır. Bu çalışma, doğruluk oranını koruyarak sınıflandırma süresini azaltmayı amaçlayan bir yaklaşım geliştirmiş ve hibrit yöntemlerin saldırı tespit sistemlerinin performansını artırmada etkili bir çözüm olduğunu ortaya koymuştur. Çalışma, siber güvenlikte hızlı, verimli ve yüksek doğruluk oranına sahip saldırı tespit sistemlerinin geliştirilmesine önemli katkılar sağlamaktadır.
Özet (Çeviri)
In this study, an attack detection system was developed to detect botnet attacks, a significant threat in cybersecurity. The study, conducted on the CSE-CIC-IDS2018 dataset, utilized machine learning algorithms such as k-nearest neighbors, logistic regression, decision tree, and random forest models to create an anomaly-based classification method. Principal component analysis, correlation-based, and mutual information dimensionality reduction methods were applied to process the high-dimensional features in the dataset, and hybrid methods combining the strengths of these techniques were developed. By using dimensionality reduction methods, unnecessary features in the dataset were eliminated, optimizing the classification time and improving model performance. Hybrid methods, combining the advantages of principal component analysis, correlation-based, and mutual information techniques, reduced both the processing time and provided high performance in terms of accuracy and F1 score. This approach effectively selects important features in complex data structures while shortening the model training time, making it suitable for real-time attack detection systems. The findings of the study show that hybrid methods significantly reduced processing time while maintaining high performance compared to other dimensionality reduction techniques. The results offered a comprehensive evaluation in terms of accuracy, precision, sensitivity, F1 score, and training time. In particular, hybrid methods proved to be an effective tool in cybersecurity by balancing speed and accuracy. This study developed an approach aimed at reducing classification time while maintaining accuracy and demonstrated that hybrid methods are an effective solution to improve the performance of attack detection systems. The study contributes significantly to the development of fast, efficient, and high-accuracy attack detection systems in cybersecurity.
Benzer Tezler
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- An open-source, machine learning based intrusion detection system
Makı̇na öğrenmesı̇ tabanlı açık kaynak kodlu saldırı tespı̇t sı̇stemı̇
ZEMRE ARSLAN TÜVER
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Nesnelerin interneti tabanlı ağ trafiğinde ileri makine öğrenimi ve derin öğrenme yöntemleri ile anomali tespiti
Anomaly detection in internet of things based network traffic with advanced machine learning and deep learning methods
YAĞIZ ONUR KOLCU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL
- Yazılım tanımlı ağlarda makine öğrenme temelli saldırı tespit sistemi
Machine learning based intrusion detection system in software defined networks
BİROL EMEKLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- An online network intrusion detection system for DDoS attacks with IoT botnet
IoT botnetleri ile yapılan dağıtık servis dışı bırakma saldırıları için çevrimiçi bir ağ saldırı tespit sistemi
ERİM AYDIN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞERİF BAHTİYAR