یک روش یادگیری عمیق مبتنی بر شبکه های عصبی برای تشخیص نفوذ در شبکه های کامپیوتری

یکی از راهکارهای مورد استفاده جهت ایجاد امنیت در شبکه های کامپیوتری استفاده از سیستم های تشخیص نفوذ می باشد. معماری های امروزی استفاده شده برای تشخیص نفوذ، طراحان این سیستم ها را در انتخاب نوع معماری کارایی که بتواند قابلیت اطمینان بیشتری در مورد تشخیص تهاجمات داشته باشد با دشواری هایی مواجه کرده است. از جمله راهکارهایی که در راستای امن سازی سیستم ها و شبکه های کامپیوتری به وجود آمده است، پیدایش سیستم های تشخیص نفوذ است. در این تحقیق روشی برای ترکیب یادگیری عمیق و یادگیری با ناظر در تشخیص نمونه های نفوذ با هدف افزایش امنیت شبکه های کامپیوتری ارایه شده است. یادگیری با ناظر به منظور آموزش پارامترهای یک الگوریتم شبکه عصبی عمیق ارایه شده که از ترکیب خطی و بازنمایی ویژگی های موثر استفاده می کند. این روش بر مبنای یک الگوریتم یادگیری با ناظر و یک شبکه عصبی عمیق می باشد که تعداد مناسب لایه های پنهان و تعداد نرون ها در هر لایه را با توجه به یک مقدار آستانه بهینه سازی می کند. نتایج آزمایش ها روی مجموعه داده NSL-KDD برتری روش پیشنهادی را با دقت ۹۷,۶۴ % نسبت به روش های MARS و DLNN نشان می دهد.

Keywords:

تشخیص نفوذ , یادگیری عمیق , شبکه عصبی , امنیت شبکه