سمیه جعفری هرستانی - دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد ایران
سید امین حسینی سنو - دانشیار گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران

اهمیت سیستم ها و شبکه های کامپیوتری در جهت برقراری ارتباطات و تبادل اطلاعا ت برکسی پوشیده نیست، ولی استفاده از این نوع شبکه ها خطرات و آسیب هایی را نیز به همراه دارد، که از دست رفتن یا مخدوش شدن اطلاعا ت محرمانه می تواند یکی از مهم ترین خطرا ت موجود در شبکه های کامپیوتری باشد. در این میان ، سیستم های تشخیص نفوذ، ابزاری مفید برای نظارت برفعالیت ها و فرآیندهای شبکه و اعلام تهدیدهای احتمالی بوده و معرفی یک دسته بندی جامع و کامل در زمینه سیستم های تشخیص نفوذ، به منظور آگاهی از این گستره وسیع، امری حیاتی برای یک شبکه و مدیریت امنیت آن محسوب می گردد. اما چارچوب کلی تمام راه حل های پیشنهادی برای حل مسئله تشخیص نفوذ، استفاده از طبقه بندی متن است و امروزه شبکه های عصبی عمیق Deep Neural Network، از برترین و پرکاربردترین طبقه بندها به شمار می آیند. بر این اساس، در راستای این پژوهش، یک دسته بندی جامع، کامل و منحصر به فرد، روی سیستم های تشخیص نفوذ ، با رویکرد یادگیری عمیق خواهیم داشت و در کنار پیشنهاد این دسته بندی، پژوهش های انجام شده روی معماری های عمیق و کم عمق و با تمرکز بیشتر روی شبکه های نرم افزار محور Software Defined Network ، به طور چشمگیر و گسترده ای بررسی شده و طی جداولی جداگانه طبقه بندی و ارائه می شود. همچنین در انتهای هر دسته، برتری ها و کاستی های آن دسته پژوهش به طور کامل بیان شده و در نهایت با توجه به بررسی های سیستماتیک و خوبی که به انجام رسیده، همه چالش های موجود در این حوزه، برای تکمیل و ارتقاء سطح علمی پژوهشگران در این زمینه، ارائه خواهد شد .

سیستم تشخیص نفوذ، یادگیری عمیق، شبکه های عصبی عمیق، تشخیص ناهنجاری