>
Fa   |   Ar   |   En
   یک سیستم تشخیص نفوذ شبکه های کامپیوتری با استفاده از الگوریتم کرم شب‌تاب و شبکه یادگیری سریع  
   
DOR 20.1001.2.9919046224.1399.6.1.24.9
نویسنده رجبی سمیرا ,جمالی شهرام ,جاویدان جواد
منبع وب پژوهي - 1399 - دوره : 6 - ششمين کنفرانس بين المللي وب پژوهي - کد همایش: 99190-46224
چکیده    با توجه به گستردگی استفاده از شبکه‏های ارتباطی و سهولت برقراری ارتباط از طریق شبکه‏های کامپیوتری، این نوع از شبکه‏ها بیش‌ازپیش مورد توجه قرارگرفته‌اندکه باعث مطرح شدن مسئله‌های امنیتی در زمینه ارسال و دریافت اطلاعات شده که تشخیص نفوذ به‌عنوان مهم‌ترین مسئله مطرح شده است. تشخیص نفوذ شبکه فرایند شناسایی فعالیت‏های مخرب در یک شبکه با تحلیل رفتار ترافیک شبکه است. این شبکه‏ها به دلیل بی‌سیم بودن، محدودیت منابع، تحرک و پویایی و وظایف مهم و بحرانی که دارند، نسبت به شبکه‏های دیگر دارای آسیب‌پذیری نسبتاً بالایی هستند. علاوه بر این با توجه به انرژی محدود گره‏های بی‌سیم، استفاده از گره‏های ناظر برای نظارت دائمی در شبکه‏های بی‌سیم به‌منظور جلوگیری و کشف نفوذ و حملات را در این نوع از شبکه‏ها عملاً غیرممکن کرده است. ازاین‌رو سیستم‏های پیش‌بینی و تشخیص نفوذ در شبکه (nids) نقش مهمی در ایجاد امنیت در شبکه‏های بی‌سیم بر عهده دارند و می‏توانند محدوده وسیعی از حملات را در برگیرند. رفتار ترافیکی در شبکه دارای ویژگی‏ها و ابعاد زیادی است، بنابراین کاهش ابعاد نقش حیاتی در nids بازی می‏کند، زیرا شناسایی ناهنجاری‏ها از ویژگی ترافیک شبکه با ابعاد بزرگ، فرایند زمان‌گیر است. انتخاب ویژگی بر سرعت تجزیه‌وتحلیل و تشخیص تاثیر می‏گذارد. به همین منظور در این پژوهش برای پیش‌بینی نفوذ در شبکه‏های بی‌سیم رویکرد جدیدی با استفاده از انتخاب زیرمجموعه ویژگی مبتنی بر الگوریتم کرم شب‌تاب و شبکه یادگیری عصبی سریع ارائه می‏شود. ویژگی‏های منتخب در مرحله انتخاب زیرمجموعه ویژگی‏ها، به‌عنوان ورودی به شبکه یادگیری عصبی سریع مورد استفاده قرار می‏گیرد تا در زمان بلادرنگ تحلیلی از نفوذها در شبکه صورت گیرد. با توجه به نتایج شبیه‌سازی در این پایان‌نامه می‌توان گفت روش شبکه‌های عصبی سریع آموزش را تا جایی ادامه می‌دهد که از بروز خطای overfitting جلوگیری به عمل آید درصورتی‌که شبکه‌های عصبی تا کامل شدن روند آموزش، ویژگی‌های نمونه‌های آموزشی را بیشتر یاد می‌گیرد. بنابراین بروز پدیده overfitting در شبکه‌های عصبی طبیعی است. ازاین‌رو روش پیشنهادی درمجموع عملکرد بهتری نسبت به روش شبکه‏های عصبی در تشخیص گره‏های سالم و حملات جدید در شبکه را نشان می‏دهد.
کلیدواژه سیستم تشخیص نفوذ در شبکه ,انتخاب زیرمجموعه ویژگی ,الگوریتم بهینه‌سازی کرم شب‌تاب ,یادگیری سریع
آدرس دانشگاه محقق اردبیلی, ایران, دانشگاه محقق اردبیلی, ایران, دانشگاه محقق اردبیلی, ایران
پست الکترونیکی javidan@uma.ac.ir
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved