NESNELERİN İNTERNETİ UYGULAMALARI İÇİN SALDIRI TESPİT YÖNTEMLERİNİN GELİŞTİRİLMESİ

Abstract

İnternettin gelişmesiyle birlikte IoT cihazları günümüzde birçok alanda kolaylık sağlamaktadır. Bu kolaylıklar insanların yaşam kalitesini arttırmaktadır. İnsanlar akıllı şehir, akıllı ev ve diğer akıllı platformları uzaktan izlemek ve yönetmek istemektir. Uzaktan izlenen ve yönetilen uygulamalar avantajlarının yanı sıra güvenlik sorunları gibi problemlere neden olmaktadır. IoT platformlarının artmasıyla birlikte saldırganların hedef noktası haline gelmiştir. Bu tür saldırıların tespit edilebilmesi ve güvenlik açıklarının önüne geçilmesi IoT teknolojisinin kullanım oranını daha da arttıracaktır. IoT kullanıcıları, saldırganların en çok tercih ettiği ağ saldırılarından dolayı mağdur olmaktadır. Bu mağduriyetin yanı sıra insanların kişisel verilerine erişim söz konusu olduğu için IoT platformlarındaki talebi olumsuz etkilemektedir. Bu tez çalışmasında, DDoS, DoS ve Brute Force gibi saldırı türleri incelenmiş ve IoT saldırılarını tespit etmek için yöntemler geliştirilmiştir. Tez kapsamında iki temel katkı sunulmuştur. İlk olarak akıllı ev platformunu oluşturmak için Home Assistant teknolojisini kullanan bir laboratuvar kurulmuştur. Bu laboratuvar ortamında IoT cihazlarına Brute Force FTP, Brute Force SSH, DoS HTTP Flood, DoS ICMP Flood, DoS Syn Flood, Syn Scan ve UDP Scan, olmak üzere yedi saldırı gerçekleştirilmiştir. Toplanan veri setine XGBOOST algoritması uygulanarak saldırı türleri tespit edilmiştir. İkinci olarak, literatürde yaygın olarak kullanılan Bot-IoT veri setine Karar Ağacı algoritması uygulanmıştır. Tez kapsamında kullanılan veri setlerine diğer makine öğrenmesi yöntemleri uygulanarak sonuçlar karşılaştırılmıştır.

With the development of the Internet, IoT devices provide convenience in many fields today. These conveniences increase people's quality of life. People want to remotely monitor and manage the smart city, smart home, and other smart platforms. Remotely monitored and managed applications cause problems such as security problems as well as their advantages. With the increase of IoT platforms, it has become the target point of attackers. Detecting such attacks and preventing security vulnerabilities will increase the rate of use of IoT technology. IoT users are suffered because of network attacks, which are the most preferred by attackers. Besides this suffering, it negatively affects the demand for IoT platforms, as there is access to people's data. In this thesis, attack types such as DDoS, DoS, and Brute Force were examined and methods were developed to detect IoT attacks. Two main contributions were made within the scope of the thesis. First, a laboratory was established using Home Assistant technology to create the smart home platform. In this laboratory environment, seven attacks, namely Brute Force FTP, Brute Force SSH, DoS HTTP Flood, DoS ICMP Flood, DoS Syn Flood, Syn Scan, and UDP Scan, were carried out on IoT devices. Attack types were determined by applying the XGBOOST algorithm to the collected data set. Secondly, the Decision Tree algorithm was applied to the Bot-IoT dataset, which is widely used in the literature. The results were compared by applying other machine learning methods to the data sets used in the thesis.