MAKİNE ÖĞRENMESİ TABANLI HİBRİT ALGORİTMA VE HİBRİT VERİ SETİ İLE DDOS SALDIRI TAHMİNİ
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İnönü Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: SELİM ERDAŞ
Danışman: Ahmet Arif Aydin
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dijitalleşen dünyamızda verinin üretilmesinden analiz edilmesine kadar her bir aşamada kullanıcıların güvenli bir şekilde yazılım sistemlerini kullanması talep edilen bir durumdur. Fakat kötü niyetli kişiler tarafından bu hizmetlerin engellenmesi de hayatımızın istenmeyen bir olgusudur. Dağıtık Hizmet Reddi (DDoS) saldırıları da bu amaç için kullanılan saldırı çeşitlerindendir. Artan yaygınlığı nedeniyle DDoS saldırı tespiti önem arz ettiğinden bu çalışmamızda DDoS tespitine yönelik makine öğrenimi tabanlı hibrit bir yaklaşım sunulmuştur. Bu çalışma, DDoS saldırı tespitinde kullanılan popüler CICIDS2017 ve CIC-DDoS2019 veri setleri ve bu veri setlerinin birleştirilmesiyle oluşturulan alternatif hibrit bir veri seti üzerinde gerçekleştirilmiştir. Bu çalışmada ismi geçen veri setleri üzerinde öncelikli olarak Karar Ağaçları (DT), Rastgele Orman (RF), K-En Yakın Komşu (KNN) ve Destek Vektör Makineleri (SVM) gibi makine öğrenimi algoritmaları ayrı ayrı uygulanmış, daha sonrasında her bir modelin performansı detaylı bir şekilde değerlendirilmiştir. Ayrıca, bahsedilen veri setleri farklı makine öğrenmesi algoritmalarının birleştirilmesiyle oluşturulan hibrit modelleme yaklaşımları ile de test edilmiş ve algoritmaların güçlü yönlerinin bir araya getirilmesiyle daha yüksek doğruluk ve güvenilirlik sağlanması hedeflenmiştir. Yapılan analizler, hibrit modellerin karmaşık veri setlerinde doğruluk oranını %99,91'e kadar çıkarabildiğini göstermiştir. Böylece çalışmamızda, popüler olan iki veri setinin birleştirilmesi ile literatürde kullanılan veri setleri için bir alternatif oluşturulmuş ve makine öğrenmesi algoritmalarının da hibrit olarak kullanımı ile mevcut algoritmaların hibrit versiyonlarına karşı hem DDoS tespit doğruluğunun arttırılması hem de karmaşık veri setleri üzerindeki performansın iyileştirilmesi açısından önemli bir katkı sağlamaktadır. Ayrıca, elde edilen bulgular, siber güvenlikte daha etkili ve uyarlanabilir tespit yöntemlerinin geliştirilmesine katkıda bulunması ve gelecekteki çalışmalara yol gösterici bir çerçeve sunması hedeflenmiştir. Anahtar Kelimeler: Makine Öğrenmesi, Hibrit, DDoS, CICIDS2017, CIC-DDoS2019