ارائه یک ره یافت جدید مبتنی بر روش ترکیبی به منظور آشکارسازی نفوذ در شبکه
Publish place: Electronic and cyber defense، Vol: 5، Issue: 3
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 260
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PADSA-5-3_007
تاریخ نمایه سازی: 23 اردیبهشت 1400
Abstract:
نقش یک سامانه تشخیص نفوذ برای آشکارسازی ناهنجاری ها در شبکه از اهمیت زیادی برخوردار است. حملات جدید و ناشناخته موجب ناکارآمدی راه کارهای شناسایی مبتنی بر امضاء و در نتیجه استفاده از راه کارهای شناسایی مبتنی بر ناهنجاری شده است. این راه کارها نیز علی رغم توانایی بالا در تشخیص ناهنجاری ها، از نرخ مثبت کاذب بالایی رنج می برند. برای غلبه بر این مشکل، ایده استفاده از آشکارسازهای ترکیبی مطرح شده است. در این مقاله، راه کاری نوین مبتنی بر روش آشکارسازی ترکیبی با یک معماری چهارلایه ای پیشنهاد شده است. لایه اول از واحد تحلیل گر جریان داده ها و واحد طبقه بندی تشکیل شده است که برای طبقه بندی نوع سرویس های شبکه از ترکیب روش آماری n-گرام و الگوریتم ژنتیک استفاده می کند. در لایه تشخیص نفوذ، یک واحد آشکارساز مبتنی بر امضاء و واحد های آشکارساز مبتنی بر ناهنجاری به شکل ترکیبی پیاده سازی شده اند که متناسب با برچسب نوع سرویس ها فراخوانی می شوند. سپس، درنتیجه پردازش این واحدها، لایه تصمیم گیری فراخوانی می شود. این لایه ماهیت حمله و نوع پاسخ را تشخیص داده و لایه مدیریت وقایع را فرا می خواند. در این لایه ضمن اطلاع رسانی هشدارها به مدیر شبکه، در صورت نیاز، اعمال واکنشی و اقدامات امنیتی لازم نیز انجام خواهد شد. نتایج حاصل از ارزیابی اعتبارسنجی چندلایه ای، بهبود دقت تشخیص نفوذ را ۸۱/۹۹% نشان می دهد که در نتیجه کاهش میزان نرخ مثبت کاذب را در پی خواهد داشت.
Keywords:
تشخیص نفوذ , نرخ مثبت کاذب , مدیریت وقایع , طبقه بندی نوع سرویس , اعمال واکنشی , اعتبارسنجی چند لایه ای
Authors
سعید پارسا
دانشگاه علم و صنعت ایران
سیدحمیدرضا اعرابی
دانشگاه علم و صنعت ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :