Günümüzde Nesnelerin İnterneti (IoT) cihazları, sınırlı işlem gücü ve bellek kapasitesi nedeniyle geleneksel saldırı tespit sistemlerini (IDS) çalıştırmakta zorlanmaktadır. Bu durum ağ güvenliği açısından ciddi zafiyetler oluşturmakta ve yerel düzeyde çalışan, hafif makine öğrenmesi tabanlı çözümlerin önemini giderek artırmaktadır.

Proje kapsamında TinyML (Tiny Machine Learning) yaklaşımı kullanılarak, makine öğrenmesi algoritmalarının gömülü sistemlerde çalışacak şekilde optimize edilmesi hedeflenmektedir. Açık kaynaklı IoT veri setleri üzerinde Decision Tree, Random Forest ve Logistic Regression gibi algoritmalarla eğitilecek model, TensorFlow Lite ortamında optimize edilerek Raspberry Pi üzerinde test edilecektir. Quantization ve pruning teknikleriyle küçültülen model, doğruluk, bellek kullanımı, işlem süresi ve enerji tüketimi gibi performans ölçütleri açısından değerlendirilecektir.

Çalışma sonucunda ortaya çıkacak prototipin; kaynak kısıtlı IoT cihazlarında yerel olarak çalışan, veri gizliliğini koruyan ve bulut bağlantısına ihtiyaç duymayan bir IDS çözümü sunması beklenmektedir.

Bu projede emek veren öğrenciler: Furkan Ak ve Uğur Okumuş

Bu çalışma, IoT güvenliği alanında enerji verimli ve uygulanabilir yeni yaklaşımların geliştirilmesine katkı sağlaması beklenen önemli bir adımdır. Öğrencilerimiz Furkan Ak ve Uğur Okumuş'u, danışman hocamız Dr. Kadir Aram'ı tebrik ediyor, çalışmalarının başarıyla tamamlanmasını diliyoruz.