یک روش بهینه تشخیص نفوذ به سرویس برمبنای سیستم فازی عصبی

IDS که به طور فزاینده ای بخش مهمی از دفاع سیستمی محسوب می شود برای شناسایی فعالیت های ناهنجار در سیستم رایانه ای مورداستفاده قرار گرفته است. به طور کلی، تشخیص نفوذ معمولی بر معلومات گسترده ای از کارشناسان امنیتی به ویژه بر آشنایی آنها با سیستم های رایا نهای که قرار است محافظت شوند، تکیه دارد. برای کاهش این وابستگی، روش های مختلف یادگیری ماشینی و داده کاوی در این پایان نامه مورداستفاده قرار گرفته است. در سیستم پیشنهادی، بهینه سازی سیستم منطق فازی را برای شناسایی موثر فعالیت های نفوذی شبکه طراحی گردیده. به دلیل اینکه قانون محوری سیستم مشتمل بر مجموعه ای از بهترین قوانین قادر به شناسایی رفتار نفوذی شبکه ها خواهد بود. از این رو، راهبرد خودکار تولید قوانین فازی را مورداستفاده قرار گرفته که از قوانین معین با استفاده از آیتم های متوالی گرفته شده است. آزمایش ها و ارزیابی های مربوط به سیستم تشخیص نفوذ KDD Cup۹۹ پیشنهادی با پایگاه تشخیص نفوذ تشخیص نفوذ مبتنی بر ناهنجاری، منطق فازی، یادگیری قانون، پایگاه داده انجام شده است. نتایج تجربی به وضوح نشان میدهد که این سیستم پیشنهادی از دقت بیشتری در شناسایی گزارش ها به لحاظ دارا بودن ماهیت عادی با تهاجمی بر خوردار بوده است

Keywords:

سیستم تشخیص نفوذIDS , تشخیص نفوذمبتنی برناهنجاری , منطق فازی , یادگیری قانون , پایگاه داده KDD Cup ۹۹