# Modem Zafiyetlerini Tespit Etmek için Yapay Zeka Kullanımı
# Gerekli kütüphaneleri içe aktar
import nmap # Ağ taraması için
import requests # Web istekleri için
import re # Düzenli ifadeler için
import numpy as np # Matematiksel işlemler için
import pandas as pd # Veri analizi için
import sklearn # Makine öğrenmesi için
from sklearn.ensemble import RandomForestClassifier # Rastgele orman sınıflandırıcısı için
from sklearn.metrics import accuracy_score # Doğruluk skoru için
# Ağdaki modemleri taramak için nmap kullan
nm = nmap.PortScanner() # nmap nesnesi oluştur
nm.scan(hosts='192.168.1.0/24', arguments='-n -sP -PE -PA21,23,80,3389') # Ağdaki tüm cihazları tara
hosts_list = [(x, nm[x]['status']['state']) for x in nm.all_hosts()] # Taranan cihazların listesini al
modems_list = [] # Modemlerin listesini tutacak boş bir liste oluştur
for host, status in hosts_list: # Her cihaz için
try:
response = requests.get(f'http://{host}', timeout=5) # Cihazın web arayüzüne istek gönder
if response.status_code == 200: # Eğer istek başarılı ise
title = re.search('<title>(.*?)</title>', response.text) # Web sayfasının başlığını al
if title: # Eğer başlık varsa
title = title.group(1) # Başlık metnini al
if 'modem' in title.lower(): # Eğer başlıkta 'modem' kelimesi geçiyorsa
modems_list.append((host, title)) # Modem listesine cihazın IP adresi ve başlığını ekle
except: # Eğer istek başarısız olursa
pass # Hata verme, devam et
# Modem listesini ekrana yazdır
print('Ağdaki modemler:')
for host, title in modems_list:
print(host, title)
# Modem zafiyetlerini tespit etmek için makine öğrenmesi kullan
# Önceden etiketlenmiş modem veri setini yükle
data = pd.read_csv('modem_dataset.csv') # Veri setini oku
X = data.drop('vulnerable', axis=1) # Girdi değişkenlerini al
y = data['vulnerable'] # Çıktı değişkenini al
# Veri setini eğitim ve test kümelerine ayır
X_train, X_test, y_train, y_test = sklearn.model_selection.train_test_split(X, y, test_size=0.2, random_state=42)
# Rastgele orman sınıflandırıcısı oluştur ve eğit
clf = RandomForestClassifier(n_estimators=100, max_depth=10, random_state=42) # Sınıflandırıcıyı oluştur
clf.fit(X_train, y_train) # Sınıflandırıcıyı eğit
# Test kümesindeki verileri tahmin et ve doğruluk skorunu hesapla
y_pred = clf.predict(X_test) # Tahminleri al
acc = accuracy_score(y_test, y_pred) # Doğruluk skorunu hesapla
print(f'Modelin doğruluk skoru: {acc:.2f}') # Doğruluk skorunu ekrana yazdır
# Ağdaki modemlerin zafiyet durumunu tahmin et
for host, title in modems_list: # Her modem için
features = np.array([host, title]) # Modemin özelliklerini bir numpy dizisine dönüştür
pred = clf.predict(features.reshape(1, -1)) # Modemin zafiyet durumunu tahmin et
if pred == 1: # Eğer modem zafiyetli ise
print(f'{host} IP adresli {title} başlıklı modem zafiyetlidir.') # Uyarı mesajı yazdır
else: # Eğer modem zafiyetli değilse
print(f'{host} IP adresli {title} başlıklı modem zafiyetli değildir.') # Bilgi mesajı yazdır
#Yazan Rıdvan Kaya
Bu kod, Python dilinde yazılmış bir programdır. Bu programın amacı, ağdaki modemlerin zafiyetlerini tespit etmek için yapay zeka kullanmaktır. Programın ana adımları şunlardır:
- Gerekli kütüphaneleri içe aktarmak: Program, ağ taraması, web istekleri, düzenli ifadeler, matematiksel işlemler, veri analizi ve makine öğrenmesi için farklı kütüphaneler kullanmaktadır. Bu kütüphaneler, programın başında import komutu ile içe aktarılmaktadır.
- Ağdaki modemleri taramak için nmap kullanmak: Program, nmap kütüphanesini kullanarak ağdaki tüm cihazları tarar ve hangilerinin modem olduğunu belirlemek için web arayüzlerine istek gönderir. Modemlerin IP adresleri ve web sayfası başlıkları bir listeye kaydedilir.
- Modem zafiyetlerini tespit etmek için makine öğrenmesi kullanmak: Program, önceden etiketlenmiş bir modem veri setini okur ve girdi ve çıktı değişkenlerini ayırır. Veri setini eğitim ve test kümelerine bölerek rastgele orman sınıflandırıcısı oluşturur ve eğitir. Test kümesindeki verileri tahmin ederek modelin doğruluk skorunu hesaplar. Ağdaki modemlerin zafiyet durumunu tahmin etmek için modeli kullanır ve sonuçları ekrana yazdırır.
# Gerekli kütüphaneleri içe aktar
import nmap # Ağ taraması için
import requests # Web istekleri için
import re # Düzenli ifadeler için
import numpy as np # Matematiksel işlemler için
import pandas as pd # Veri analizi için
import sklearn # Makine öğrenmesi için
from sklearn.ensemble import RandomForestClassifier # Rastgele orman sınıflandırıcısı için
from sklearn.metrics import accuracy_score # Doğruluk skoru için
# Ağdaki modemleri taramak için nmap kullan
nm = nmap.PortScanner() # nmap nesnesi oluştur
nm.scan(hosts='192.168.1.0/24', arguments='-n -sP -PE -PA21,23,80,3389') # Ağdaki tüm cihazları tara
hosts_list = [(x, nm[x]['status']['state']) for x in nm.all_hosts()] # Taranan cihazların listesini al
modems_list = [] # Modemlerin listesini tutacak boş bir liste oluştur
for host, status in hosts_list: # Her cihaz için
try:
response = requests.get(f'http://{host}', timeout=5) # Cihazın web arayüzüne istek gönder
if response.status_code == 200: # Eğer istek başarılı ise
title = re.search('<title>(.*?)</title>', response.text) # Web sayfasının başlığını al
if title: # Eğer başlık varsa
title = title.group(1) # Başlık metnini al
if 'modem' in title.lower(): # Eğer başlıkta 'modem' kelimesi geçiyorsa
modems_list.append((host, title)) # Modem listesine cihazın IP adresi ve başlığını ekle
except: # Eğer istek başarısız olursa
pass # Hata verme, devam et
# Modem listesini ekrana yazdır
print('Ağdaki modemler:')
for host, title in modems_list:
print(host, title)
# Modem zafiyetlerini tespit etmek için makine öğrenmesi kullan
# Önceden etiketlenmiş modem veri setini yükle
data = pd.read_csv('modem_dataset.csv') # Veri setini oku
X = data.drop('vulnerable', axis=1) # Girdi değişkenlerini al
y = data['vulnerable'] # Çıktı değişkenini al
# Veri setini eğitim ve test kümelerine ayır
X_train, X_test, y_train, y_test = sklearn.model_selection.train_test_split(X, y, test_size=0.2, random_state=42)
# Rastgele orman sınıflandırıcısı oluştur ve eğit
clf = RandomForestClassifier(n_estimators=100, max_depth=10, random_state=42) # Sınıflandırıcıyı oluştur
clf.fit(X_train, y_train) # Sınıflandırıcıyı eğit
# Test kümesindeki verileri tahmin et ve doğruluk skorunu hesapla
y_pred = clf.predict(X_test) # Tahminleri al
acc = accuracy_score(y_test, y_pred) # Doğruluk skorunu hesapla
print(f'Modelin doğruluk skoru: {acc:.2f}') # Doğruluk skorunu ekrana yazdır
# Ağdaki modemlerin zafiyet durumunu tahmin et
for host, title in modems_list: # Her modem için
features = np.array([host, title]) # Modemin özelliklerini bir numpy dizisine dönüştür
pred = clf.predict(features.reshape(1, -1)) # Modemin zafiyet durumunu tahmin et
if pred == 1: # Eğer modem zafiyetli ise
print(f'{host} IP adresli {title} başlıklı modem zafiyetlidir.') # Uyarı mesajı yazdır
else: # Eğer modem zafiyetli değilse
print(f'{host} IP adresli {title} başlıklı modem zafiyetli değildir.') # Bilgi mesajı yazdır
#Yazan Rıdvan Kaya
Bu kod, Python dilinde yazılmış bir programdır. Bu programın amacı, ağdaki modemlerin zafiyetlerini tespit etmek için yapay zeka kullanmaktır. Programın ana adımları şunlardır:
- Gerekli kütüphaneleri içe aktarmak: Program, ağ taraması, web istekleri, düzenli ifadeler, matematiksel işlemler, veri analizi ve makine öğrenmesi için farklı kütüphaneler kullanmaktadır. Bu kütüphaneler, programın başında import komutu ile içe aktarılmaktadır.
- Ağdaki modemleri taramak için nmap kullanmak: Program, nmap kütüphanesini kullanarak ağdaki tüm cihazları tarar ve hangilerinin modem olduğunu belirlemek için web arayüzlerine istek gönderir. Modemlerin IP adresleri ve web sayfası başlıkları bir listeye kaydedilir.
- Modem zafiyetlerini tespit etmek için makine öğrenmesi kullanmak: Program, önceden etiketlenmiş bir modem veri setini okur ve girdi ve çıktı değişkenlerini ayırır. Veri setini eğitim ve test kümelerine bölerek rastgele orman sınıflandırıcısı oluşturur ve eğitir. Test kümesindeki verileri tahmin ederek modelin doğruluk skorunu hesaplar. Ağdaki modemlerin zafiyet durumunu tahmin etmek için modeli kullanır ve sonuçları ekrana yazdırır.
