@article{article_1635809, title={Nesnelerin İnterneti Saldırılarının Tespitinde Makine Öğrenmesi Algoritmalarının Performanslarının Karşılaştırılması}, journal={Journal of Intelligent Systems: Theory and Applications}, volume={8}, pages={130–140}, year={2025}, DOI={10.38016/jista.1635809}, author={Yıltırak, İsa and Öztürk, Ali}, keywords={Makine Öğrenmesi Algoritmaları, Nesnelerin İnterneti, Saldırı Tespiti, Saldırı Türleri.}, abstract={Bu çalışmada IoT cihazlarındaki çeşitli saldırı türleri için farklı makine öğrenmesi algoritmalarının sınıflandırma performansları karşılaştırılmıştır. Bu amaçla kullanılan algoritmalar AdaBoost, CatBoost, XGBoost, Karar Ağaçları, K En Yakın Komşu, Rastgele Orman, Light GBM, Lojistik Regresyon ve Gaussian Naïve Bayes’tir. CICIoT2023 veri seti kullanılarak 33 farklı saldırı tipi ve 7 farklı saldırı grubu için saldırı sınıflandırması yapılmıştır. Deneysel sonuçlara göre, makine öğrenmesi algoritmaları arasında Rastgele Orman (RF), 33 saldırı türünü sınıflandırmada %94,90 doğruluk, %94,90 kesinlik, %94,89 hatırlatma, %94,84 F1 puanı, 7 saldırı grubunu sınıflandırmada %94,33 doğruluk, %94,35 kesinlik, %94,33 hatırlatma, %94,31 F1 puanı ve ikili sınıflandırmada %96,81 doğruluk, %97,15 kesinlik, %96,81 hatırlatma, %96,79 F1 puanı oranını elde etti. RF, 33 saldırı türünü sınıflandırmada en iyi performansı gösterdi.}, number={2}, publisher={Özer UYGUN}