Makine öğrenmesi tabanlı, otonom ve anayasal denetimli siber tehdit tespit ve engelleme sistemi (NIDS/IPS). Bu proje, üç farklı saldırı vektörü (Ağ trafiği, SQL Injection, XSS) için eğitilmiş bağımsız modelleri ve bu modellerin kararlarını şirket politikalarına göre denetleyen "İki Beyinli (Dual-Brain)" bir mimariyi içerir.
Not: Veri setlerinin toplam boyutu 100 GB'ı aştığı için bu depoya eklenmemiştir. Sadece eğitilmiş modeller (
.joblib&.pkl), görselleştirme raporları, test senaryoları ve kaynak kodlar yer almaktadır. Veri setlerine kendi orijinal kaynaklarından ulaşabilirsiniz.
Proje 4 ana klasörden oluşmaktadır:
Sayısal ağ trafiği verilerinden (paket boyutu, süre, bayraklar vb.) saldırı türlerini milisaniyeler içinde tespit eden model.
- En İyi Model: Random Forest (F1: 0.9399)
- Tespit Edilen Sınıflar: DDoS, DoS, Recon, Benign, Mirai, Spoofing, Web-based
Metin tabanlı HTTP isteklerini ve SQL sorgularını analiz ederek karmaşık injection saldırılarını tespit eden metin tabanlı NLP/ML pipeline'ı.
- En İyi Model: LightGBM (F1: 0.9956)
- Tespit Edilen Sınıflar: Boolean Blind, Error-based, Time Blind, Stacked Queries, Inline Query, Benign
HTML ve JavaScript girdilerini analiz ederek XSS (Cross-Site Scripting) zafiyeti sömürülerini engelleyen yapı.
- En İyi Model: XGBoost (F1: 0.9989)
- Tespit Edilen Sınıflar: XSS, Benign
Sistemin beynini oluşturan, Go tabanlı ağ ajanı (NIPS) ve Python tabanlı karar motorundan (AI Brain) oluşan mimari. L1 (Sezgisel Motor) saldırıları tespit eder, L2 (Mantıksal Denetçi) ise şirket anayasası/whitelist kurallarına göre nihai kararı (Veto/Drop/Honeypot) verir.
Depoda yer almayan veri setlerini kendi ortamınızda çoğaltmak isterseniz aşağıdaki linkleri kullanabilirsiniz:
- CICIoT2023 (RECON Modülü için): Çeşitli IoT cihazlarına yapılan saldırıların PCAP ve CSV dökümleri.
- CICIoMT2024 (RECON Modülü için): IoT Medikal cihazların (MQTT & WiFi) ağ trafiği ve anomali kayıtları.
- Web Attacks Dataset (XSS Modülü için): HuggingFace üzerinde bulunan geniş çaplı web saldırı kayıtları.
- PayloadBox XSS & SQLi Payloads (XSS ve SQLI Modülleri için):
- SQLMap XML Şablonları (SQLI Modülü için): Veri artırımı (data augmentation) için kullanılmıştır.
Bu repo, her modülün kendi içerisinde bağımsız çalışabilmesi için tasarlanmıştır. Modelleri incelemek ve kendi tahminlerinizi yapmak için her klasörün altındaki .py scriptlerini veya eğitilmiş .joblib ağırlıklarını kullanabilirsiniz. L1-L2 mimarisinin demo kurulumu için L1-L2_architecture/README.md dosyasını inceleyin.
Bu proje akademik araştırma ve siber güvenlik eğitimleri amacıyla MVP ölçeğinde geliştirilmiştir. Açık kaynak kodludur.