Görüntüleme
13
İndirme
2
Bilgisayar çağında yaşadığımız ve dünyadaki birçok cihazın internete erişimi olduğu herkes tarafından bilinen bir gerçektir. Peki bu internete bağlanan cihazlar ne kadar güvenlidir? Davetsiz misafirlerden –saldırgan- kullanıcı bilgilerine erişilmeyeceğine dair herhangi bir garanti verilebilir mi mı? Nesnelerin İnterneti (IoT) kavramının hayatımıza girmesinden sonra evdeki buzdolabında bulunan yiyecekleri görmek, arabanın içinden internete bağlanmak, kullanılan akıllı saatten görüntülü sohbet etmek gibi pek çok şey insan hayatına girmiştir. Bu yeni kavramlar ile birlikte kötü amaçlı yazılımların ve saldırganların da sayısı artmaktadır. Bu konularda çalışma yapan araştırmacılar giderek artan veri sayısına bağlı olarak ağ güvenliğinin önemini vurgulamakta ve çalışmalarını bu alanda yoğunlaştırmaktadır. Güvenli bir saldırı tespit sistemi tasarlarken veri ön işleme en önemli aşamalardan biridir. Ve IoT cihazlarında bu alanlarda yapılan çalışmalar hem dikkat çekmektedir hem de hız kazanmıştır. Yapılan bu çalışmada, IoT cihazlarına yönelik saldırıları tespit etmede makine öğrenmesi yaklaşımlarını daha başarılı kılmak için veri ön işlemede normalizasyon ve standardizasyonun önemini incelemek hedeflenmiştir. Buna göre çalışma, Bot-IoT veri kümesi kullanılarak Lojistik Regresyon, Karar Ağacı ve Stokastik Gradyan Arttırma makine öğrenme algoritmaları üzerinde gerçekleştirilmiştir. Bot-IoT veri kümesi, IoT cihazlarında güvenliği sağlamak için yapılan çalışmalarda yaygın olarak kullanılan popüler bir veri kümesidir. Seçilen bu veri kümesine veri ön işleme yapılmıştır, bunun için ayrı ayrı normalizasyon ve standardizasyon işlemleri uygulanmış ardından seçilen bu –normalize/standardize edilmiş- veri kümeleri ile belirlenen makine öğrenmesi algoritmaları eğitilmiş ve test edilmiştir. Makine öğrenmesi algoritmaları ile yapılan eğitimler sonucunda Doğruluk, Kesinlik, Geri Çağırma ve F1 Skor sonuçlarının değerleri incelenmiştir. Yapılan çalışma sonucunda ise Lojistik Regresyonda standardizasyonun doğruluk oranını %99.96'ya kadar arttırdığı görülmüştür.
It is a known fact that we live in the computer age and that many devices in the world have access to the internet. So how secure are these devices? Is there any guarantee that user information is not accessed from intruder? After the concept of the Internet of Things came into our lives, many things such as seeing the food in our home refrigerator, connecting to the Internet from the car and, and video chatting from our smart watch entered our lives. The number of malicious software is also increasing with these new connections. Researchers are increasingly emphasizing the importance of network security and intensifying their studies. Data preprocessing is very important when designing a secure system. In this study, the importance of normalization and standardization in data preprocessing is examined to make machine learning approaches more successful for detecting attacks on IoT devices. The study was carried out in Logistic Regression, Decision Tree, and Stochastic Gradient Descent machine learning algorithms using the Bot-IoT dataset. Bot-IoT dataset is a popular dataset that is widely used in security studies on IoT devices. Normalization and standardization processes were applied to Bot-IoT dataset separately, so data preprocessing was performed, then selected machine learning algorithms were trained with these -normalized / standardized- datasets. As a result of the trainings made with machine learning algorithms, the values of Accuracy, Precision, Recall and F1 Score rates were examined. And as a result of the study, it was seen that the standardization increased the accuracy rate up to 99.96% in Logistic Regression.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
