Abstract :Darknet özel yöntemlerle ulaşılabilen web sitelerinin merkezi olarak bilinir ve bu ağ içerisinde yasadışı işlemler ile sıklıkla karşılaşılmaktadır. Bu nedenle ağ trafiğinin sınıflandırılması bu yasadışı işlemlerin tespit edilmesi açısından önemlidir. Bu çalışmada ağ trafiğinin sınıflandırılması ve zararlı trafiğin tespiti için ilk olarak Karar Ağacı ve Özyinelemeli Özellik Çıkarımı yöntemleri kullanılarak özellik şeçimi gerçekleştirilmiştir. Belirlenen özellikler üzerinden Extreme Gradient Boosting (XGBoost), Karar Ağacı, Random Forest, Naive Bayes, k-Nearest Neighbors (k-NN) ve Multilayer Perceptron (MLP) yöntemleri ile ağ trafiğinin sınıflandırması yapılmıştır. Bu yöntemlerden en iyi sonuç veren XGBoost yöntemi Tree Parzen Estimator(TPE) yöntemi ile optimize edilmiştir. Probleme özgü olarak optimize edilen XGBoost algoritması ile %97 doğruluk elde edilmiştir. Keywords : Darknet, TPE, Trafik Sınıflandırma, XGBoost
