Nesnelerin interneti: Veri hesaplama tekniklerinde güvenlik entegrasyon çalışmaları

Abstract

Nesnelerin İnterneti (Internet of Things - IoT) teknolojisinin temel amaçlarından bir tanesi, insanların yaşam kalitesini artırarak, cihazları insan kullanımına sorunsuz ve etkili bir şekilde sunmaktır. İnsan hayatında kritik bir yere sahip olan bu teknolojinin güvenliğini arttıracak yöntemler ve çalışmalar da bir hayli önem arz etmektedir. Fakat sistem olarak karmaşık yapısı ve çok çeşitli uygulamalar nedeniyle IoT sistemleri korumak için hangi yöntemlerin uygun olduğunu anlamak ve güvenlik gereksinimlerini karşılamak her geçen gün daha da zor bir hal almaktadır. Bu çalışmada, makine öğrenmesi yardımı ile internete bağlı bu nesnelere karşı oluşabilecek saldırıların tespiti ve gelen saldırılara göre etkili savunma mekanizmalarının hazırlanması ve uygulanması amacıyla saldırıların sınıflandırılması amaçlanmıştır. Çalışmanın, birinci aşamasında IoT sistemlerine genel bir bakış sunmak amaçlanarak IoT mimarisi, uygulama alanları, katman bazlı güvenlik ilkeleri, güvenlik sorunları ve çözümleri ile ilgili önemli bilgilere ve yapılan araştırmalara değinilmiştir. İkinci aşamada ise IoT sistemlerinde güvenlik sorunlarına çözüm ve önlem amacı ile Yapay Sinir Ağları (YSA) (Artificial Neural Networks - ANN) öğrenme algoritmaları uygulanarak model geliştirilmiştir. İleti Kuyruğu Telemetri Aktarım (Message Queuing Telemetry Transport - MQTT) protokol tabanlı Ortadaki Adam (Man in the Middle - MitM), Hizmet Reddi (Denial of Service - DoS), ve İzinsiz Erişim (Intrusion) saldırlarını içeren veri seti üzerinde saldırı tespiti için özellik seçimi yapılmış ve modelde eğitilerek yüksek başarımlı sınıflandırma amaçlanmıştır. IoT sistemlerinde YSA'nın saldırı tespitindeki yeri ve etkisi gözlemlenip optimize edilmiştir. Çalışmada MQTT bazlı IoT cihazlarına yönelik oluşturulan veriseti üzerinde çeşitli seçim algoritmaları kullanılarak, sınıflandırmada %98 oranında bir doğruluk elde edilmiş ve sonuçlar paylaşılmıştır.One of the main purposes of the Internet of Things (IoT) technology is to increase the quality of life of people and to offer devices to human use in a smooth and effective way. Methods and studies that will increase the security of this technology, which has a critical place in human life, are also very important. However, it is becoming more and more difficult to understand which methods are suitable for protecting IoT systems and to meet their security requirements due to their complex structure and wide variety of applications as a system. In this study, it is aimed to classify security attacks in order to detect the attacks that may occur against these internet-connected objects with the help of machine learning and to prepare and implement appropriate defense mechanisms according to the incoming attacks. In the first stage of the study, it is aimed to provide an overview of IoT systems and important information and background work about IoT architecture, application areas, layer-based security principles, security problems and solutions are mentioned. In the second stage, the model was developed by applying Artificial Neural Networks (ANN) learning algorithms for the detection and prevention of security problems in IoT systems. Feature selection was implemented for attack detection on the dataset containing Message Queue Telemetry Transport (MQTT) protocol-based Man-in-the-Middle (MitM), Denial of Service (DoS) and Intrusion attacks, and high-performance classification was aimed by training the model. The effect of ANN in intrusion detection in IoT systems has been observed and optimized. In the study, a 98% accuracy in classification was achieved by using various selection algorithms on the dataset created for MQTT-based IoT devices, and the results were shared.