MAÜ GCRIS Standart veritabanının içerik oluşturulması ve kurulumu Research Ecosystems (https://www.researchecosystems.com) tarafından devam etmektedir. Bu süreçte gördüğünüz verilerde eksikler olabilir.
Ağ sistemlerinin her geçen gün katlanarak büyüyen
boyutu, saldırı yoğunluğunun ve türlerinin de artmasına neden
olmaktadır. Ağ içerisinde bu saldırıların tespiti, ağ güvenliğinin
başlıca problemlerindendir. Saldırı tespit sistemleri, bu problemle
başa çıkmak için geliştirilen bir yaklaşımdır. Saldırı tespit sistemlerinde işlenen büyük boyutlu veriler beraberinde karmaşıklığ
da getirmektedir. Bu çalışma, veri kümelerindeki karmaşıklığı gidermek için 6 farklı öznitelik seçme algoritmasının incelenmesini
ve bu algoritmaların sınıflandırma modellerindeki performanslarının karşılaştırılmasını içermektedir. Bu performanslar, açık
erişimli olarak sunulan CICIDS2017 veri seti üzerinde uygulanan
Derin Öğrenme modelleri ile analiz edilmiştir. Bu işlem sırasında
algoritmaların test sonuçları hem kendi aralarında hem de veri
setinin orijinal haliyle karşılaştırılmıştır. Uygulama sırasında veri
kümesindeki öznitelik sayıları çoklu sınıflandırma için 78’den
25’e, ikili sınıflandırma için 8’e düşürülmüştür. Elde edilen başarı
oranları bütün uygulamalarda %92’nin üzerindedir.