Copula fonksiyonlarını kullanarak bilgisayar ağlarında saldırı tespiti

Abstract

Günümüzde hızla gelişen teknolojiyle beraber, dünya üzerinde teknolojiye olan ilgi her geçen gün artmaktadır. Teknolojideki bu hızlı gelişmeler, siber saldırı, izinsiz erişim ve dijital korsanlık gibi istenmeyen birçok saldırıyı da beraberinde getirmektedir. Bu tür saldırıları engellemek için sıklıkla saldırı tespit sistemlerinden faydalanılmaktadır. Bu tez çalışmasında, günümüzde en çok kullanılan makine öğrenme sınıflandırıcıları ile copula tabanlı sınıflandırıcılar kullanılarak saldırı tespiti gerçekleştirilmiştir. Makine öğrenme sınıflandırıcıları olarak; Karar Ağaçları, Topluluk Öğrenme ve Destek Vektör Makineleri sınıflandırıcıları tercih edilmiştir. Bu üç sınıflandırma tekniği kullanılarak KDD'99 veri seti üzerinde sınıflandırma işlemi gerçekleştirilmiştir.Copula tabanlı olarak da; gumbel, independent, clayton, gaussian, student's-t ve frank sınıflandırıcıları tercih edilmiştir. Bu sınıflandırıcılar kullanılarak KDD'99 veri seti üzerinde sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma aşamasında 10-kat çapraz doğrulama tekniği kullanılmış olup, KDD'99 veri seti üzerinde en iyi başarım oranı %99.41 ile gaussian copula tabanlı sınıflandırıcı elde etmiştir. Sonuç olarak, copula tabanlı sınıflandırıcıları saldırı tespitinde etkili bir başarıma ulaştığı gözlemlenmiştir.

Today, with the rapidly developing technology, the interest in technology in the world is increasing day by day. These rapid developments in technology has brought many undesired attacks such as cyber attack, unauthorized access and digital piracy. Intrusion detection systems have been often used to prevent such attacks. In this study, attack detection has been carried out using the most used machine learning classifiers and copula-based classifiers. As machine learning classifiers; Decision Trees, Ensemble Learning and Support Vector Machines classifiers have been preferred. Classification has been performed on the KDD'99 data set using these three classification techniques.As Copula-based; gumbel, independent, clayton, gaussian, student's-t and frank classifiers have been preferred. Using these classifiers, the classification process has been carried out on the KDD'99 data set. In the classification stage, 10-fold cross-validation technique has been used, and the best performance rate has obtained gaussian copula based classifier with 99.41% on the KDD'99 data set. As a result, it has been observed that copula based classifiers have achieved an effective success in intrusion detection.