802.11 Kablosuz Ağları için CNN Tabanlı Siber Savunma Mimarisi

Abstract

802.11 protokolü, Wi-Fi teknolojisinin temelini oluşturmakta olup bilgisayarlar, akıllı telefonlar ve diğer cihazların kablosuz yerel alan ağları (WLAN) üzerinden birbirleriyle iletişim kurmasını sağlamaktadır. Özellikle Nesnelerin İnterneti (IoT) teknolojilerinin yaygınlaşmasıyla birlikte Wi-Fi ağları modern bağlantı altyapısının vazgeçilmez bir bileşeni haline gelmiştir. Ancak bu durum beraberinde çok sayıda güvenlik açığını da ortaya çıkarmıştır. Bu çalışmada, kablosuz ağlara yönelik siber saldırıların tespiti için evrişimsel sinir ağı (CNN) tabanlı bir yöntem önerilmiştir. Önerilen yöntemin performansı, AWID3 (Aegean Wi-Fi Intrusion Dataset) veri setine ait Wireshark (PCAP) dosyaları kullanılarak değerlendirilmiştir. Deauthentication, disassociation, (re)association, rogue access point (AP), KRACK, KR00k ve evil twin saldırılarına ait veriler Tshark yazılımı ile 64 özelliğe ayrıştırılmıştır. Ayrıca normal sınıfa ait PCAP verileri de aynı şekilde işlenmiştir. Elde edilen 64 özellikten en etkili 36’sı InfoGain öznitelik değerlendirme algoritması ile seçilmiştir. Otuz altı özellikten oluşan her veri satırı 6x6 boyutunda ve tek kanallı (gri seviye) görüntülere dönüştürülmüştür. Son aşamada, 6x6x1 boyutlu bu görüntüler CNN tabanlı derin öğrenme modeli ile sınıflandırılmış ve %99,93 doğruluk oranı elde edilmiştir. Elde edilen bulgular, önerilen modelin AWID3 veri setinden türetilen 8 sınıflı veri üzerinde yüksek başarıyla sınıflandırma gerçekleştirdiğini göstermektedir. Ayrıca çalışma, 64 özellikten 36 özelliğe indirgenen veri setinde öznitelik seçiminin model performansı üzerindeki etkisini ortaya koymaktadır.