Öznitelik Seçme Yöntemlerinin Makine Öğrenmesi Tabanlı Saldırı Tespit Sistemi Performansına Etkileri

Sura EMANET; Gözde KARATAŞ BAYDOĞMUŞ; Önder DEMİR

Makale detayları

Öznitelik Seçme Yöntemlerinin Makine Öğrenmesi Tabanlı Saldırı Tespit Sistemi Performansına Etkileri

Yazarlar:

Sura EMANET | Gözde KARATAŞ BAYDOĞMUŞ | Önder DEMİR

Yayıncı:

Dicle University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2021 Vol.12 Issue 5, pp.743-755

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000949789

Sıklık:

Üç Aylık

eISSN:

2146-4391

pISSN:

1309-8640

Anahtar kelimeler:

Özet:

 

Artan İnternet tabanlı teknolojilerin kullanımı insanlara ve kurumlara önemli avantajlar sağlamanın yanı sıra bir takım dezavantajları da beraberinde getirmiştir. Bunlardan en önemlisi siber saldırılardır. Siber saldırıların çeşitlenmesi ve artmasıyla, büyük miktarlara ulaşan kritik verilerin silme, değiştirilme, ifşa edilme gibi eylemlere karşı korunması her geçen gün daha zor hale gelmektedir. Bu sebeple bilgi sistemlerinin güvenliğinin sağlanması amaçlı geliştirilen araçlardan biri olan Saldırı Tespit Sistemleri çok önemli yere sahip bir çalışma alanı olmuştur. Bu çalışmada, CSE-CIC-IDS2018 veri kümesi üzerinde literatürde önerilen çeşitli öznitelik seçim yöntemleri ve makine öğrenmesi teknikleri kullanılarak, öznitelik seçiminin Saldırı Tespit Sistemi başarım ve performansı üzerindeki etkisi incelenmiştir. Orijinal veri kümesini temsil edebilecek en iyi alt kümeyi belirlemek için Ki-Kare Testi, Spearman‘ın Sıralama Korelasyon Katsayısı ve Özyinelemeli Öznitelik Eliminasyonu yöntemleri kullanılmıştır. Yeni veri kümeleri Adaptif Yükseltme, Karar Ağacı, Lojistik Regresyon, Çok Katmanlı Algılayıcı, Ekstra Ağaçlar, Pasif-Agresif ve Gradyan Artırma makine öğrenmesi yöntemleri ile sınıflandırılarak performans sonuçlarının karşılaştırmalı bir analizi yapılmıştır. Performansların objektif değerlendirilebilmesi için K-Fold kullanılmıştır. K-Fold işleminin hesaplama ve zaman yönünden maliyetli olması sebebiyle paralleştirme uygulanarak işlem süresi düşürülmüştür. Elde edilen deneysel sonuçlara göre Ki-Kare Testi ve Spearman’ın Sıralama Korelasyon Katsayısı öznitelik seçim yöntemleri veri boyutunun indirgenmesinden dolayı işlem yükünü azaltarak işlem süresini %45 oranında kısaltmış fakat hata oranını sırasıyla %14,46 ve %10,52 artırmıştır. Ayrica, Özyinelemeli Öznitelik Eliminasyonu yönteminin uygun ayar parametreleri kullanıldığında, işlem süresini %38 oranında kısaltması ile birlikte sistemin hata oranını da %2,95’e kadar düşürdüğü görülmüştür.

Makale detayları

Öznitelik Seçme Yöntemlerinin Makine Öğrenmesi Tabanlı Saldırı Tespit Sistemi Performansına Etkileri

Yazarlar:

Sura EMANET | Gözde KARATAŞ BAYDOĞMUŞ | Önder DEMİR

Yayıncı:

Dicle University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2021 Vol.12 Issue 5, pp.743-755

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000949789

Sıklık:

Üç Aylık

eISSN:

2146-4391

pISSN:

1309-8640

Saldırı tespit sistemi

makine öğrenmesi

öznitelik seçimi

öznitelik filtreleme ve saldırı tespiti

Sayı

Makale detayları

Öznitelik Seçme Yöntemlerinin Makine Öğrenmesi Tabanlı Saldırı Tespit Sistemi Performansına Etkileri

Yazarlar: Sura EMANET | Gözde KARATAŞ BAYDOĞMUŞ | Önder DEMİR

Yayıncı: Dicle University

Ana Başlıklar: Mühendislik ve uygulamalı operasyonlar

Dergi: Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2021 Vol.12 Issue 5, pp.743-755

Belge Tipi: Makale

Yayın Tarihi: 12/2021

Belge Dili: Türkçe

Document ID (Org No.): 2000949789

Sıklık: Üç Aylık

eISSN: 2146-4391

pISSN: 1309-8640

Saldırı tespit sistemi

makine öğrenmesi

öznitelik seçimi

öznitelik filtreleme ve saldırı tespiti

Sayı

Yazarlar:

Sura EMANET | Gözde KARATAŞ BAYDOĞMUŞ | Önder DEMİR

Yayıncı:

Dicle University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2021 Vol.12 Issue 5, pp.743-755

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000949789

Sıklık:

Üç Aylık

eISSN:

2146-4391

pISSN:

1309-8640