Bilgisayar saldırıları için tahmin, tespit ve karşı koyma yöntemleri

Abstract

Son teknolojik yenilikler ve dünya çapındaki çok miktarda mevcut veri, ağ sistemlerine karĢı siber saldırıların artmasına neden oldu. Bu saldırıların önde gelen çeĢitlerinden biri kötü amaçlı yazılım ve aynı zamanda malware diye bilinir. Ġnternete bağlı bilgisayar sistemleri için kötü amaçlı yazılım analizi ve önleme yöntemleri giderek daha fazla gerekli hale geliyor. Önceki araĢtırmacılar tarafından birçok verimli yöntem önerilmiĢtir, ancak bu yöntemler statik ve dinamik analizlere dayalı olduğu için kaçınılmaz olarak karmaĢık süreçler gerektirir. Bu çalıĢmada, makine öğrenmesine dayalı yeni uygulama geliĢtirildi ve geliĢtirilen uygulamanın amacı malware saldırılarını tespit etmektir. Sunulan teknik önceki çalıĢmalarda sunulan ve aynı veri setini kullanan çalıĢmalar ile karĢılaĢtırıldı ve daha üstün sonuçlar gösterdi. Sunulan yöntem Hassasiyet (presicion), Geri Çağırma (recall), Doğruluk (accuracy) ve tüm bu parametrelerde 100% performans gösterdi. Dahası elde edilen sonuçlar karmaĢık matris (confusion matrix) ile sunuldu.

Recent technological innovations and the vast amount of data available worldwide have led to an increase in cyberattacks against network systems. One of the leading variants of these attacks is malware, also known as malware. Malware analysis and prevention methods are becoming increasingly necessary for internet-connected computer systems. Many efficient methods have been proposed by previous researchers, but since these methods are based on static and dynamic analysis, they inevitably require complex processes. In this study, a new application based on machine learning was developed and the purpose of the developed application is to detect malware attacks. The presented technique was compared to studies using the same data set as presented in previous studies and showed superior results. The presented method showed 100% performance in Precision (presicion), Recall (recall), Accuracy (accuracy) and all these parameters. Moreover, the results obtained are presented with a complex matrix (confusion matrix).