Gri kurt optimizasyon (GKO) algoritması ve yapay sinir ağı (YSA) kullanılarak hibrit bulut tabanlı saldırı tespit ve yanıt sistemi

Abstract

Teknoloji hızla büyümekte ve bulut bilişim kullanımı da aynı hızla artmaktadır. Bugünlerde irili ve ufaklı şirketlerin çoğu bulutu kullanmaktadır. Bulut bilişim, kullandıkça öde mantığıyla çalıştığı için ekonomik fayda sağlamaktadır. Bulut kullanımının artmasıyla birlikte buluttaki güvenlik sorunları da artmıştır. Bu sorunların çözümü için, güvenlik duvarı, güvenlik açığı tarayıcıları ve saldırı tespit sistemi (IDS) gibi bazı mekanizmalar ve saldırıları azaltmak için diğer yöntemler kullanılmıştır. Ancak yeni ve önceden bilinmedik şekilde oluşan saldırıların olması durumunda bu tarz sistemler buluta karşı yapılan saldırıları tespit etmek için yetersiz kalmaktadır. Bulut güvenliğini tehditlerden ve zayıf noktalardan korumak için çeşitli güvenlik yöntemleri vardır. Bu tez çalışmasında, bulut üzerindeki yapılan saldırıları tespit etmek ve sistem güvenliğini sağlamak için Gri Kurt Optimizasyon (GKO) ve Yapay Sinir Ağı (YSA) dayalı yeni bir melez/hibrit bulut tabanlı Saldırı Tespit Sistemi (IDS) önerilmiştir. GKO, güvenlik, tıp / sağlık, optimizasyon, mühendislik ve bilgi işlem gibi birçok alanda etkili olarak kullanılan meta-sezgisel algoritmalardan biridir. Tezde, YSA eğitmek için GKO kullanılmıştır ve sonuçlar diğer sınıflandırma algoritmalarıyla karşılaştırılmıştır. Deneysel çalışmalarda, UNSW-NB15 ve NSL-KDD gibi mevcut saldırı tespit veri setleri kullanılmıştır. Simülasyon sonuçları, önerilen algoritmanın saldırı tespitinin doğruluğunu NSL-KDD ve UNSW-NB15 veri kümeleri için sırasıyla % 97.83 ve % 98.21 artırdığını göstermiştir.

Technology is growing rapidly and the use of cloud computing is increasing at the same speed. Most large and small companies use the cloud these days. Cloud computing provides economic benefits because it works with a pay-as-you-go logic. Security problems in the cloud have increased with the increase in cloud usage. To solve these problems, some mechanisms such as firewall, vulnerability scanners and intrusion detection system (IDS) and other methods to mitigate attacks are used. However, in case of new and previously unknown attacks, such systems are insufficient to detect attacks against the cloud. There are various security methods to protect cloud security from threats and vulnerabilities. In this thesis, a new hybrid cloud-based Intrusion Detection System (IDS) based on Gray Wolf optimization (GWO) and Artificial Neural Network (NN) has been proposed in order to detect attacks and ensure system security on the cloud. GWO is one of the meta-heuristic algorithms used effectively in many fields such as security, medicine / health, optimization, engineering and computing. In the thesis, GWO was used to train the Artificial Neural Network (NN) and the results were compared with other classification algorithms. In experimental studies, the current intrusion detection data sets such as UNSW-NB15 and NSL-KDD were used. The simulation results showed that the proposed algorithm increased the accuracy of intrusion detection by 97.83% and 98.21% for the NSL-KDD and UNSW-NB15 datasets, respectively.