استفاده از یادگیری ماشینی در بهبود تشخیص نفوذ

موفقیت یک سیستم تشخیص نفوذ بستگی به انتخاب صحیح عوامل و ویژگیهایی دارد که در ردیابی حملات مورد استفاده قرار میگیرند. دراین مقاله یک سیستم تشخیص نفوذ مبتنی بر داده کاوی ارائه و سعی م ی شود با استفاده از تکنیکهای یادگیری ماشینی در یک سیستم تشخیص نفوذ مانند snort قابلیت های آن افزایش یابد با توجه به اینکه این نرم افزار مبتنی بر امضا بوده به این صورت که محتوای پکت ارسالی را کنترل می کند و آن را با اطلاعات پایگاه اطلاعاتی شامل صفات و نشانه های بارز حملات مقایسه می کند اما محدودیت اصلی این شیوه عدم قابلیت آن برای شناسایی حملات جدید است همچنین به هنگام سازی قانون های آن مشکل بوده و این امر باعث بوجود امدن false negative , false positive می شودروش ارائه شده به میزان قابل توجهی این دو محدودیت را کاهش میدهد و تا 20 درصد نرخ تشخیص افزایش یافته و نسبت به وضعیت قبلی خود بهبود می یابد.

Keywords:

سیستم تشخیص نفوذ , درخت تصمیم , داده کاوی , یادگیری ماشین , snort , C4.5