Yapay Zeka Teknikleri ile Siber Saldırı Tespiti

Abstract

Cyberattacks have become a significant security threat, affecting both individual users and corporate systems. The increasing complexity of attack types has rendered traditional security measures insufficient, thereby enhancing the role of artificial intelligence and optimization techniques in cybersecurity. In this thesis, feature selection—a crucial preprocessing step in data mining—is performed using novel heuristic algorithms such as the Zebra Optimization Algorithm (ZOA) on the CSE-CIC-IDS2018 dataset. Subsequently, performance analysis will be conducted using machine learning models, including k-Nearest Neighbors (kNN), Random Forest, Multi-Layer Perceptron (MLP), Long Short-Term Memory Networks (LSTM), and Recurrent Neural Networks (RNN). The impact of optimization-based feature selection on model performance will be examined in detail, and accuracy rates across different models will be compared. The findings will assess whether specific optimization techniques provide a significant advantage in attack detection. This study highlights the importance of optimization-based feature selection methods for early cyberattack detection and provides insights into the potential application of more advanced algorithms in cybersecurity.Siber saldırılar günümüzde hem bireysel kullanıcıları hem de kurumsal sistemleri tehdit eden ciddi güvenlik riskleri arasında yer almaktadır. Giderek karmaşıklaşan saldırı türleri, geleneksel güvenlik önlemlerinin yetersiz kalmasına neden olmuş ve yapay zeka ile optimizasyon yöntemlerinin siber güvenlikteki rolünü artırmıştır. Bu tez çalışmasında, CSE-CIC-IDS2018 veri seti kullanılarak Zebra Optimizasyon Algoritması 1 (ZOA) gibi yeni sezgisel algoritmalarla bir veri madenciliğinde bir ön işleme yöntemi olan özellik seçimi gerçekleştirilmiş ve ardından k- En Yakın Komşu (kNN), Rastgele Orman (Random Forest), Çok katmanlı Algılayıcı (Multi-Layer Perceptron) (MLP, LSTN ve RNN gibi makine öğrenimi modelleri kullanılarak performans analizi yapılması planlanmaktadır. Özellik seçiminde kullanılan optimizasyon yöntemlerinin model başarımına olan etkisi detaylı olarak incelenecektir ve farklı modeller için doğruluk oranları karşılaştırılacaktır. Elde edilen sonuçlar, belirli optimizasyon tekniklerinin saldırı tespitinde büyük bir avantaj sağlayıp sağlamadığı değerlendirilecektir. Çalışmamız, siber saldırıların erken tespitinde optimizasyon tabanlı özellik seçim yöntemlerinin önemini vurgulamakta ve gelecekte daha gelişmiş algoritmaların siber güvenlik alanında nasıl kullanılabileceğine dair yol göstermektedir.