Work

Zararlı Yazılım Ağ Trafiğinin Sınıflandırılmasında Bayt-Görüntü Temsillerinin ve Evrişimli Sinir Ağı Mimarilerinin Karşılaştırmalı Analizi

Year: 2026
Type: article
Abstract: Şifreli ağ trafiğinin yaygınlaşması, paket içeriği denetimine dayalı geleneksel zararlı yazılım tespit yöntemlerinin etkinliğini azaltmıştır. Bu duruma karşı önerilen yaklaşımlardan biri, ham paket baytlarının görüntüye dönüştürülerek evrişimli sinir ağlarıyla sınıflandırılmasıdır. Ancak bayt-görüntü dönüşümü ile ağ mimarisi seçimlerinin ortak ve kontrollü bir deney düzeninde karşılaştırıldığı çalışmalar sınırlıdır. Bu çalışmada USTC-TFC2016 veri seti üzerinde dört bayt-görüntü temsili (gri tonlama 28×28, RGB kodlama, kanal ayrıştırmalı kodlama ve gri tonlama 64×64) ile dört evrişimli sinir ağı mimarisi (LeNet-5, DeepLeNet, ResNet-18 ve EfficientNet-B0) karşılaştırılmıştır. Dört mimari ve dört temsilden oluşan tasarımın 16 hücresinden 12'si yürütülmüş; en yüksek başarım ResNet-18 mimarisi ve 64×64 gri tonlama temsili ile %99,39 doğruluk ve %99,53 makro F1 olarak elde edilmiştir. Tüm deneylerde doğruluk 0,87 puanlık dar bir bant içinde kalmıştır; bu da incelenen deney koşullarında temsil ve mimari seçeneklerinin başarım üzerindeki etkisinin sınırlı olduğunu göstermektedir. Parametre sayısı başarım sıralamasını tek başına öngörmemiştir: 1,86 milyon parametreli DeepLeNet, denendiği iki temsilde de tek çalıştırmada 3,28 milyon parametreli LeNet-5'ten daha yüksek doğruluk elde etmiştir. Tek bir donanımda yapılan maliyet ölçümleri ise LeNet-5'in ResNet-18'e göre yaklaşık 33 kat daha az çarp-topla işlemi gerektirdiğini ve teorik işlem sayısının çıkarım gecikmesini tek başına öngörmediğini ortaya koymuştur. Rastgele bölme, tek çalıştırma ve test kümesine dayalı dönem seçimi gibi sınırlılıklar ayrıca tartışılmış ve sonuçların genellenebilirliğine yönelik sonraki adımlar belirtilmiştir.
Language: Turkish
Subfield: Software
Open Access status: diamond
OpenAlex ID: W7225024377
FWCI:
Cites: 24
Cited by:
Related to: 10