ارائه یک مدل یادگیری عمیق برای سیستم تشخیص نفوذ با استفاده از لایه هم‌آمیخت و روش تحلیل مولفه‌‌های اصلی

امنیت و پایداری شبکه‌ها نقش اساسی در دنیای ارتباطات دارد. سیستم تشخیص نفوذ یک عنصر حیاتی در شناسایی و پیشگیری از انواع تهدیدات سایبری است و از عناصر ضروری امنیت محسوب می‌شود. یکی از مشکلات روش‌های سنتی تشخیص نفوذ، وابستگی آنها به الگوهای موجود و ناتوانی در شناسایی ناهنجاری‌ها است. شبکه‌های عصبی هم‌آمیخت[1] می‌توانند الگوهای جدید و مبهم را شناسایی کرده و تعداد هشدارهای کاذب را به حداقل برسانند. این مقاله یک رویکرد جدید، بر اساس لایه هم‌آمیخت یک بعدی و لایه حذف تصادفی با روش تحلیل مولفه اصلی، برای حل مشکل و کمک به سیستم تشخیص نفوذ برای دستیابی به نرخ تشخیص بالاتر ارائه می‌کند. روش پیشنهادی شامل یک شبکه عمیق با شش لایه‌ هم‌آمیخت است که از تابع فعال‌سازی mish بعد از هر لایه هم‌آمیخت استفاده می‌کند. تحلیل مولفه‌‌های اصلی برای کاهش ابعاد ویژگی‌های ورودی و استخراج ویژگی‌های ضروری استفاده شده است. ساختار پیشنهادی با استفاده از مجموعه داده cic-ids2017 تجزیه‌و‌تحلیل شده است. نتایج آزمایش‌ها عملکرد بهتری را از نظر زمان تشخیص و صحت، دقت، فراخوانی و کاپاکوهن در روش پیشنهادی نسبت به ساختارها و روش‌های مشابه نشان می‌دهد. زمان تشخیص روش پیشنهادی هشت میلی ثانیه بوده است.