Modified stacking ensemble machine learning method for network intrusion detection

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2018

Tezin Dili: İngilizce

Öğrenci: NECATİ DEMİR

Danışman: GÖKHAN DALKILIÇ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Makine öğrenmesi (MÖ) internet uzerindeki veri boyutlarının eksponansiyel olarak artması sonucunda, akademik çalışmalarda hali hazırda zaten biliniyor olmasına rağmen, yüksek bir popülerliğe sahip olmaya başladı. Bunla beraber, bu yüksek hacimli veriden herhangi bir kural çıkartmak ya da örüntüler bulmak gittikçe zorlaşmaya başladı. MÖ örüntü bulma ve kuralların otomatik olarak çıkarılması alanında önemli bir rol oynamaya başladı.Çok sayıda kişinin internete erişmesi ve akıllı cep telefonlara sahip olmasıyla beraber, internet üzerindeki olası tehditler ağ güvenliği çalışmalarında önemli bir konu olmaya başladı. Ağ saldırılarının tespitinde kullanılan geleneksel yöntem imza bazlı kuralların (önceden belirlenmiş kurallar) kullanılmasıdır, ki bu kurallar aynı saldırı tipinde olsa bile bilinmeyen imzaya sahip saldırıları tespit edemez. Son yıllarda, MÖ ağ güvenliği çalışmalarında daha sıkça kullanılmaya başlandı. Bu çalışma ağ saldırılarının tespitinde kullanılması amacıyla stacking ensemble makine öğrenmesi yöntemin üzerine kurgulanmıştır. Bu çalışmada, ağ saldırılarının tespitinde MÖ yöntemlerinin performansını arttırmasıyla amacıyla iki yöntem önerilmiştir. İlk olarak, istifleme topluluk (stacking ensemble) yönteminin performansını arttırmak amacıyla farklı birleştirme algoritmaları ve farklı taban model seçme yöntemleri kullandık ve geleneksel makine öğrenmesi yöntemleriyle karşılaştırınca başarılı sonuçlar aldık. İkincil olarak, bir önceki çalışmanin baz model seçme aşamasında genetik algoritma kullandık.