یک رویکرد مبتنی بر یادگیری جمعی جهت کشف حملات بات نت در شبکه

بات نت ها به عنوان مهم ترین تهدید اینترنتی در سال های اخیر شناخته شده اند که به طور پیوسته در حال رشد و گسترش می باشند. تشخیص بات نت ها یک حوزه تحقیقاتی جدید و چالشی در بخش امنیت شبکه های کامپیوتری می باشد. در این مقاله، به ارائه روشی ترکیبی بر مبنای سیستم یادگیری جمعی جهت تشخیص بات نت، پرداخته شده است. از جمله مهمترین چالش ها و مشکلات مطرح شده در این حوزه تزریق حملات متعدد به زیر ساخت شبکه و نفوذپذیری بالای رابط های امنیتی در این سیستم ها است. از این رو، ارائه یک راه حل کارامد که بتواند نفوذ به زیر ساخت شبکه را به حداقل برساند بسیار لازم و ضروری می باشد. روش مطرح شده با استفاده از الگوریتم خوشه بندی x-means اقدام به حذف نمونه های پرت نموده و با کمک الگوریتم بهینه سازی ازدحام ذرات (pso) اقدام به انتخاب ویژگی های بهینه از مجموعه داده isot می نماید. در نهایت با استفاده از سیستم یادگیری جمعی متشکل از الگوریتم های شبکه عصبی عمیق، svmlib و درخت تصمیم c4.5، حملات شبکه بات تشخیص داده می شوند. با شبیه سازی روش پیشنهادی مشاهده گردید که دقت تشخیص حملات با استفاده از روش پیشنهادی 99.64% بوده که در مقایسه با سایر روش ها در حدود 0.28% بهبود داشته است.