سیستم تشخیص نفوذ در شبکه های نرم افزار محور با استفاده از شبکه های عصبی عمیق

در شبکه های کامپیوتری، سیستم های تشخیص نفوذ، ابزاری مفید برای نظارت بر فرآیندهای شبکه و اعلام تهدیدهای احتمالی بوده و معرفی یک سیستم با دقت و صحت بالا برای تشخیص نفوذ از غیر نفوذ، امری حیاتی برای شبکه محسوب می شود. اما چارچوب کلی تمام راه حل های پیشنهادی برای حل مسئله تشخیص نفوذ، استفاده از طبقه بندی متن است و امروزه شبکه های عصبی عمیق، از برترین طبقه بندها به شمار می آیند. بر این اساس، راهکار پیشنهادی این پژوهش، ارائه یک سیستم تشخیص نفوذ، در شبکه های نرم افزار محور، با استفاده از شبکه های عصبی عمیق می باشد. شبکه عصبی عمیق طراحی شده، مدلی با چیدمان 12 لایه بوده و روی دو مجموعه داده جمع آوری شده از شبکه های نرم افزار محور، به نام های nsl-kdd و kdd99 به کار گرفته شده است. لازم به ذکر است، که چیدمان لایه ای منحصر به فرد مدل پیشنهادی برای هر دو مجموعه داده تغییر نکرده، که این از نقاط قوت مدل به شمار می رود. اما برای ارزیابی راهکار پیشنهادی، 6 مدل شبکه عصبی دیگر طراحی و مقادیر معیارهای ارزیابی از جمله صحت، دقت، فراخوانی، معیار f و تابع زیان، در هر یک مورد بررسی قرار گرفته است. همچنین همه معیارها با مقاله وینیاکومار 2019 ، بهترین مقاله این حوزه، مقایسه شده و برتری راهکار پیشنهادی و بهبود همه نتایج نشان داده شده است. برای پیاده سازی راهکار پیشنهادی نیز، از بسته یادگیری عمیق تنسور فلو 1، کراس و زبان برنامه نویسی پایتون 3 ، روی ابزار گوگل کولب بهره گرفته شده است.