Elektrikli Araç Şarj İstasyonlarının Siber Güvenliği: CIC-EVSE 2024 Veri Kümesi ile IDS Sistemlerinin Performans Analizi (EV-Charging-Security-CIC-EVSE2024)
https://doi.org/10.1109/ISCTrkiye64784.2024.10779263
Havvanur BOZÖMEROĞLU¹*, Zeynep GÜRKAŞ AYDIN¹
¹İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, İstanbul, TÜRKİYE
Elektrikli araçlar (EV'ler), fosil yakıtlara olan bağımlılığı azaltma ve çevresel etkileri minimize etme potansiyeliyle giderek daha fazla önem kazanmaktadır. Bu çalışmada, elektrikli araç şarj istasyonlarının siber güvenliğini değerlendirmek amacıyla Saldırı Tespit Sistemi (STS) sistemlerinin etkinliği incelenmiştir. Artan EV sayısı ile birlikte, şarj istasyonlarının siber tehditlere karşı korunması kritik hale gelmiştir. Bu bağlamda, CIC-EVSE 2024 veri kümesi kullanılarak çeşitli makine öğrenimi modelleri (SVM, Logistic Regression, Decision Tree, KNN, Adaboost, MLP, Naive Bayes, Random Forest) üzerinde deneyler yapılmıştır. Bu çalışmada, veri temizleme, aşırı örnekleme, normalizasyon, özellik seçimi ve eğitim-test ayrımı gibi ön işleme adımlarını içermektedir. Elde edilen sonuçlar, STS sistemlerinin siber tehditleri tespit etme ve önleme konusundaki başarısını göstermektedir. Modellerin doğruluk, F1 skoru, hassasiyet ve geri çağrım gibi metriklerle değerlendirilmesi, hangi modelin en iyi performansı sağladığını belirlemekte önemli bir rol oynamıştır. Bu araştırma, elektrikli araç şarj altyapısının güvenliğini artırmaya yönelik önemli bir adım olarak görülmekte olup, sürdürülebilir ulaşım çözümlerinin yaygınlaşmasına katkıda bulunmayı amaçlamaktadır.
Anahtar Kelimeler: Elektrikli Araçlar (EV), Şarj İstasyonları, Siber Güvenlik, Saldırı Tespit Sistemi, CIC-EVSE 2024, Makine Öğrenimi
Cyber Security of Electric Vehicle Charging Stations: Performance Analysis of IDS Systems with CIC-EVSE 2024 Dataset
Electric vehicles (EVs) are becoming increasingly important with the potential to reduce dependence on fossil fuels and minimise environmental impacts. In this study, the effectiveness of Intrusion Detection Systems (IDS) is investigated to assess the cyber security of EV charging stations. With the increasing number of EVs, the protection of charging stations against cyber threats has become critical. In this context, experiments were conducted on various machine learning models (SVM, Logistic Regression, Decision Tree, KNN, Adaboost, MLP, Naive Bayes, Random Forest) using the CIC-EVSE 2024 dataset. This study includes pre-processing steps such as data cleaning, oversampling, normalisation, feature selection and training-test separation. The results obtained show the success of IDS systems in detecting and preventing cyber threats. Evaluation of the models with metrics such as accuracy, F1 score, precision and recall played an important role in determining which model provided the best performance. This research is seen as an important step towards improving the security of electric vehicle charging infrastructure and aims to contribute to the proliferation of sustainable transport solutions.
Keywords: Electric Vehicles (EV), Charging Stations, Cyber Security, Intrusion Detection System, CIC-EVSE 2024, Machine Learning
¹*İletişim e-posta: [email protected]