DDOS SALDIRILARININ MAKİNE ÖĞRENİMİ ALGORİTMALARIYLA TESPİTİ

Serdar ASARKAYA; Oğuz KAYNAR; İlkay YELMEN; Fazlı YILDIRIM; Metin ZONTUL

Makale detayları

DDOS SALDIRILARININ MAKİNE ÖĞRENİMİ ALGORİTMALARIYLA TESPİTİ

Yazarlar:

Serdar ASARKAYA | Oğuz KAYNAR | İlkay YELMEN | Fazlı YILDIRIM | Metin ZONTUL

Yayıncı:

Fenerbahçe University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Design Architecture and Engineering 2021 Vol.1 Issue 3, pp.221-232

Belge Tipi:

Makale

Yayın Tarihi:

10/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000805422

Sıklık:

Üç Yıllık

eISSN:

2757-9093

Anahtar kelimeler:

Özet:

 

DDoS attacks are the most common type of attack among network attacks. As a result of these attacks, individuals and companies have to deal with problems such as loss of money, reputation and time. Although different methods and systems have been tried to prevent attacks, it cannot be said that the problems have been completely eliminated. One of the solutions to problems is to detect attacks early. This study aims to classify attacks with machine learning methods to detect DDoS attacks. In the study, the data in the selected data set was optimized and K-Nearest Neighbors, Multi Layer Perceptron, Support Vector Machine and Random Forest classifier models were developed. ROC curves and Precision, Recall, F1-Score and Accuracy metrics were used in the evaluation. The highest accuracy rate of 99% was reached in the Multi Layer Perceptron model.

 

DDoS saldırıları, network saldırıları içerisinde en sık rastlanan saldırı türüdür. Bu saldırılar sonucunda bireyler ve şirketler para, itibar ve zaman kaybı gibi sorunlarla uğraşmak zorunda kalmaktadırlar. Saldırıları önleme amaçlı farklı yöntem ve sistemler denenmekle birlikte sorunların tamamen ortadan kalktığı söylenemez. Sorunlara çözüm önerilerinden birisi saldırıların erken tespit edilmesidir. Bu çalışma; DDoS saldırılarının tespiti için saldırıların makine öğrenmesi yöntemleriyle sınıflandırılmasını amaçlamaktadır. Çalışmada, seçilen veri setindeki veriler optimize edilmiş ve K-Nearest Neighbours, Multi Layer Perceptron, Support Vector Machine ve Random Forest sınıflayıcı modelleri geliştirilmiştir. Değerlendirmede ROC eğrileri ile Precision, Recall, F1-Score ve Accuracy metriklerinden yararlanılmıştır. En yüksek doğruluk oranı olan %99’a Multi Layer Perceptron modelinde ulaşılmıştır.

Makale detayları

DDOS SALDIRILARININ MAKİNE ÖĞRENİMİ ALGORİTMALARIYLA TESPİTİ

Yazarlar:

Serdar ASARKAYA | Oğuz KAYNAR | İlkay YELMEN | Fazlı YILDIRIM | Metin ZONTUL

Yayıncı:

Fenerbahçe University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Design Architecture and Engineering 2021 Vol.1 Issue 3, pp.221-232

Belge Tipi:

Makale

Yayın Tarihi:

10/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000805422

Sıklık:

Üç Yıllık

eISSN:

2757-9093

DDoS

Network Saldırıları

Makine Öğrenimi

Sınıflandırma

Multi Layer Perceptron

Sayı

Makale detayları

DDOS SALDIRILARININ MAKİNE ÖĞRENİMİ ALGORİTMALARIYLA TESPİTİ

Yazarlar: Serdar ASARKAYA | Oğuz KAYNAR | İlkay YELMEN | Fazlı YILDIRIM | Metin ZONTUL

Yayıncı: Fenerbahçe University

Ana Başlıklar: Veri işleme & bilgisayar bilimi

Dergi: Journal of Design Architecture and Engineering 2021 Vol.1 Issue 3, pp.221-232

Belge Tipi: Makale

Yayın Tarihi: 10/2021

Belge Dili: Türkçe

Document ID (Org No.): 2000805422

Sıklık: Üç Yıllık

eISSN: 2757-9093

DDoS

Network Saldırıları

Makine Öğrenimi

Sınıflandırma

Multi Layer Perceptron

Sayı

Yazarlar:

Serdar ASARKAYA | Oğuz KAYNAR | İlkay YELMEN | Fazlı YILDIRIM | Metin ZONTUL

Yayıncı:

Fenerbahçe University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Design Architecture and Engineering 2021 Vol.1 Issue 3, pp.221-232

Belge Tipi:

Makale

Yayın Tarihi:

10/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000805422

Sıklık:

Üç Yıllık

eISSN:

2757-9093