راهکار ترکیبی نوین جهت تشخیص نفوذ در شبکه های کامپیوتری با استفاده از الگوریتم-های هوش محاسباتی

پیام:
چکیده:
در این مقاله راهکاری ترکیبی و نوین جهت تشخیص نفوذ در شبکه های کامپیوتری معرفی شده است که از مزایای هر دو روش شناسایی سوءاستفاده و شناسایی ناهنجاری بهره می برد. در راهکار پیشنهادی، سامانه های شناسایی ناهنجاری و شناسایی سوءاستفاده به منظور بهبود عملکرد شناسایی نفوذ با هم ترکیب شده اند. رویکرد پیشنهادی از مجموعه ای از الگوریتم ها و مدل ها برای تحقق سامانه تشخیص نفوذ بهره می جوید. برای انتخاب ویژگی های ورودی بهینه به سامانه، از الگوریتم جهش قورباغه استفاده شده است. بخش شناسایی سوءاستفاده در این سامانه، درخت تصمیم گیری را بدین منظور به کار می گیرد. برای شناسایی ناهنجاری در این سامانه، از مدل های شبکه عصبی پایه- شعاعی یا ماشین بردار پشتیبان استفاده شده است. الگوریتم های بهینه سازی ازدحام ذرات یا وراثتی نیز در فرایند آموزش شبکه عصبی به کار گرفته شده اند. نتایج تجربی به دست آمده با استفاده از مجموعه داده NSL-KDD گزارش شده است. این نتایج نشان می دهند که رویکرد پیشنهادی می تواند کارایی شناسایی نفوذ در شبکه را در مقایسه با استفاده صرف از شناسایی ناهنجاری یا سوءاستفاده بهبود ببخشد. هم چنین مدلی با انتخاب ویژگی به کمک الگوریتم جهش قورباغه و دسته بندی با ترکیب روش های درخت تصمیم گیری و ماشین بردار پشتیبان، با 10 ویژگی انتخابی ورودی به نرخ آشکارسازی 4/97 درصد می رسد. این در حالی است که سامانه های آموزش دیده با دادگان مشابه در سایر پژوهش ها با تعداد 33 و 14 ویژگی انتخابی ورودی به ترتیب به نرخ آشکارسازی 3/82 درصد و 1/83 درصد رسیده اند. هم چنین با حفظ نرخ آشکارسازی نفوذ در تراز سایر روش های رقیب شبیه سازی شده در این مقاله، سرعت اجرای الگوریتم تا 28 برابر نسبت به روش های مذکور بهبود پیدا می کند.
نوع مقاله:
مقاله پژوهشی/اصیل
زبان:
فارسی
صفحات:
48 -65
لینک کوتاه:
magiran.com/p1821081 
روش‌های دسترسی به متن این مطلب
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!