TY  - JOUR
T1  - Sınıflandırma ve Regresyon Ağaçları ile Rastgele Orman Algoritması Kullanarak Botnet Tespiti: Van Yüzüncü Yıl Üniversitesi Örneği
AU  - Çelik, H. Eray
AU  - Korkmaz, Duygu
AU  - Kapar, Mesut
PY  - 2018
DA  - December
JF  - Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi
JO  - YYUFBED
PB  - Van Yuzuncu Yıl University
WT  - DergiPark
SN  - 1300-5413
SP  - 297
EP  - 307
VL  - 23
IS  - 3
LA  - tr
AB  - Birbotnet, kötü amaçlı yazılım kodunun bulaşmış olduğu, bir veya daha fazlamakineden oluşan bir ağdır. Botnet, Botmaster denilen kişiler tarafındanyönetilir ve DDos, Spam, Kimlik Hırsızlığı gibi faaliyetler içinkullanılmaktadır. Bu çalışmanın amacı, bir Network üzerinde botnet bulaşmış networkcihazı olup olmadığını, Makine Öğrenmesi Algoritmalarından, SınıflandırmaAğaçları ve Regresyon Ağacı (CART) ile Rastgele Orman teknikleriyle tespitetmek ve sınıflandırmaktır. Modellerin sınıflandırma performansları bazıperformans ölçütleri bakımından ölçülmüş ve kıyaslanmıştır. Ele alınandeğişkenler, ekleyip çıkarılarak doğruluk ve bazı performans ölçütleriüzerindeki değişimler Sınıflandırma Ağaçları Yöntemi ve Rastgele OrmanAlgoritması Yöntemi ile incelenmiştir ve bir ağda Botnet tespiti yapmak içinönemli olan değişkenler önerilmiştir.
KW  - Düğüm
KW  - Gini
KW  - Hata matrisi
KW  - Phyton
KW  - Siber güvenlik
CR  - Akman, M., Genç, Y., Ankarali, H., (2011). Random forests yöntemi ve sağlık alanında bir uygulama, Türkiye Klinikleri Journal of Biostatistics, 3 (1): 36-48.
CR  - Alpaydin, E., (2014). Introduction to Machine Learning, MIT Press, 3rt edition.
CR  - Anonim, (2018a). Sosyal Medya ve Mobil Kullanıcı İstatistikleri. 	https://dijilopedi.com/2018-internet-kullanimi-ve-sosyal-medya-istatistikleri/ Erişim tarihi: 01.03.2018. Anonim, (2018b). Avrupadaki En Fazla Siber Saldırı Türkiye’de. 	http://www.sigortacigazetesi.com.tr/avrupadaki-en-fazla-siber-saldiri-turkiyede/ Erişim tarihi: 01.03.2018.
CR  - Bock, H. H., (2002). Data mining tasks and methods: Classification: the goal of classification,   In Handbook of Data Mining and Knowledge Discovery, 254-258.
CR  - Breiman, L., (2001) . Random Forests, Machine Learning, 45 (1): s.5-32.
CR  - Breiman, L., Friedman, J. H., Olshen, R. A., Stone, C. J., (2017). Classification and Regression Trees, Taylor Francis, Berkeley, California.
CR  - Chen, R., Niu, W., Zhang, X., Zhuo, Z.,  Lv, F., (2017). An effective conversation-based            botnet detection method, Mathematical Problems in Engineering, Article ID 4934082, 9 pages.
CR  - Chipman, H. A., George, E. I.,  McCulloch, R. E., (1998). Bayesian CART modelsearch, Journal of the American Statistical Association, 93 (443): 935-948.
CR  - De'ath, G., Fabricius, K. E., (2000). Classification and regression trees: a powerful yet simple technique for ecological data analysis, Ecology, 81(11), 3178-3192.
CR  - Gu, G., Zhang, J., & Lee, W., (2008). BotSniffer: Detecting botnet command and control   channels in network traffic, 17th USENIX Security Symposium.
CR  - Guttman, A., (1984). R-trees: A dynamic index structure for spatial searching,47-57: SIGMOD'84, Proceedings of Annual Meeting, Boston, Massachusetts, June 18-21.
CR  - Kalaivani, P., Vijaya, M., (2016), Mining based detection of botnet traffic in network flow,   International Journal of computer Science and information Technology 	& Security,    6: 535-540. ,Karasaridis, A., Rexroad, B., Hoeflin, D. A., (2007). Wide-Scale Botnet Detection and 	Characterization. HotBots, 7: 7.
CR  - Loh, W. Y., (2011). Classification and regression trees. Wiley Interdisciplinary 	Reviews:  Data Mining and Knowledge Discovery, 1 (1): 14-23.
CR  - Shinder, D. L., Tittel, E. (2002). Scene of the Cybercrime: Computer Forensics 	Handbook,   Syngress Publishing.
CR  - Suchetana, B., Rajagopalan, B., Silverstein, J., (2017). Assessment of wastewater 	treatment facility compliance with decreasing ammonia discharge limits using a 	regression tree model, Science of the Total Environment, 598: 249-257.
CR  - Timofeev, R., (2004). Classification and Regression Trees (CART) Theory and Applications (master thesis). Humboldt University, Berlin.
CR  - Watts, J. D., Powell, S. L., Lawrence, R. L., Hilker, T., (2011). Improved classification of   conservation tillage adoption using high temporal and synthetic satellite 	imagery,    Remote Sensing of Environment, 115 (1): 66-75.
CR  - Zhao, D., Traore, I., Sayed, B., Lu, W., Saad, S., Ghorbani, A., Garant, D., (2013). 	Botnet detection based on traffic behavior analysis and flow intervals. Computers    &     Security,  39: 2-16.
UR  - https://dergipark.org.tr/en/pub/yyufbed/issue//463135
L1  - https://dergipark.org.tr/en/download/article-file/593351
ER  -