Doktora Adayı: Alper Sarıkaya
EABD: Bilişim Sistemleri
Tarih: 17.01.2024 / 14:00
Yer: A-108

Özet: Makine öğrenimi tabanlı saldırı tespit sistemleri (STS), hem geleneksel hem de yazılım tanımlı ağlarda temel güvenlik işlevleridir. Başarımları ve korudukları ağların güvenliği, sınıflandırma sonuçlarının doğruluğuna bağlıdır. Herhangi bir STS’yi ciddi şekilde tehdit eden, makine öğrenimine yönelik yanıltıcı saldırılara karşı hala etkili bir karşılık verilmemiştir. Bu tezde öncelikle, yanıltıcı saldırı verilerini üretmek için çekişmeli üretici ağları kullanan bir yöntem tasarlanmıştır. Daha sonra, yanıltıcı saldırılara karşı dayanıklı, sağlam bir IDS modeli olan RAIDS modeli önerilmiştir. RAIDS’de, bir otomatik kodlayıcının yeniden yapılandırma hatası, bir sınıflandırıcı için tahmin değeri olarak kullanılır. Ayrıca saldırganın özellik seti hakkında tahminde bulunmasını önlemek için birden fazla özellik seti oluşturulur ve temel makine öğrenimi sınıflandırıcılarını eğitmek için kullanılır. Daha sonra bir LightGBM sınıflandırıcısı, iki otomatik kodlayıcı ve bir temel makine öğrenimi sınıflandırıcıları topluluğu tarafından üretilen sonuçlarla eğitilir. Sonuçlar, önerilen modelin, yanıltıcı eğitimine ihtiyaç duymadan, yanıltıcı saldırılara karşı genel doğruluğu en az %13,2 oranında ve F-1 metriğini %110’dan fazla artırabildiğini göstermektedir.