Bu çalışmanın temel amacı bir bilgisayar ağındaki anormal davranışları tespit etmek ve ağa yapılan saldırıları sınıflandırmaktır. Bu amaçla güncel saldırıları ve diğer veri kümelerine göre daha fazla sayıda saldırı türü içeren UNSW-NB15 veri seti, yapılan saldırıları tespit etmek için kullanılmıştır. Ağdaki anormal davranışları tespit etmeye yönelik model tasarlamanın önemli bir adımı olan özellik seçiminin model başarısı üzerindeki etkisini ölçmek için bir evrimsel optimizasyon algoritması olan Genetik Algoritma kullanılmıştır. Yapılan çalışma aynı zamanda makine öğreniminde kullanılan Karar Ağaçları ve Rastgele Orman gibi sınıflandırma algoritmalarının güçlü ve zayıf yönlerini değerlendirmeyi amaçlamaktadır. Ayrıca ilgili algoritmalar kullanılarak oluşturulan modelin doğruluk oranının belirlenmesi ve en başarılı sınıflandırma algoritmasının seçilmesi hedeflenmektedir. UNSW-NB15 veri seti üzerinde Genetik Algoritma yardımıyla Karar Ağaçları ve Rastgele Orman sınıflandırma algoritmaları özellik seçimi yapılarak ve özellik seçimi yapılmadan çalıştırılarak elde edilen sonuçlar karşılaştırılmıştır. Özellik seçimi olmadan Karar Ağaçları algoritması %98,57 doğruluk oranına ulaşırken, Genetik Algoritma kullanılarak özellik seçimi yapıldığında bu oran %99,61'e çıkarılmıştır. Diğer yandan Rastgele Orman algoritması özellik seçimi olmadan %98,45 doğruluk oranına ulaşırken, Genetik Algoritma kullanılarak özellik seçimi yapıldığında %99,49 doğruluk oranı elde edilmiştir. Böylelikle özellik seçimi aşamasında Genetik Algoritma’nın model başarısı üzerinde etkisinin olumlu yönde olduğu görülmüştür. Ayrıca Karar Ağaçları algoritmasının Rastgele Orman algoritmasına göre daha başarılı olduğu sonucu elde edilmiştir. ORCID NO: 0009-0006-3901-7434
Anahtar Kelimeler: Saldırı Tespit Sistemi, Genetik Algoritma, Özellik Seçimi, Sınıflandırma, UNSW-NB15 Veri Kümesi
|
