کشف نفوذ شبکه های کامپیوتری با به کارگیری تجزیه و تحلیل داده ها و هوش ماشینی

در این دوره از یک انقلاب دیجیتالی، استفاده از اینترنت برای ذخیره سازی، دسترسی و انتشار اطلاعات به صورت نجومی افزایش یافته است. همچنین، ظهور فناوری های اینترنت اشیا (IoT) سد دیجیتال را برطرف کرده و تبادل یکپارچه داده ها و اطلاعات را در میان بسیاری از سیستم های همه گیر برجسته می کند. بنابراین، چالش سرقت اطلاعات، حریم خصوصی و محرمانه بودن داده ها و اطلاعات از طریق اینترنت برای بسیاری از کاربران چندین نرم افزار آنلاین به یک مشکل اساسی تبدیل شده است. سیستم های تشخیص نفوذ شبکه یکی از روش های مناسب برای جلوگیری از تهدید به سرقت اطلاعات و سایر تهدیدات امنیتی داده ها از طریق اینترنت است. در این مقاله، مقایسه ای بین دو سیستم تشخیص نفوذ نشان داده می شود - یکی که از رویکرد کاهش داده کاوی قاعده ارتباط استفاده می کند شیوه استقرایی (Apriori) و دیگری که استفاده از یک روش یادگیری ماشین را پشتیبانی می کند - ماشین بردار پشتیبان .(SVM) عملکرد این دو سیستم با استفاده از مجموعه داده ی کشف دانش آزمایشگاهی امنیت شبکه و داده کاوی (NSL-KDD) و مجموعه داده ی دانشگاه نیو ساوت ولز (UNSW-NB۱۵) NB ۲۰۱۵ مقایسه شد. نتایج ارزیابی نشان می دهد SVM از نظر دقت عملکرد بهتری نسبت به شیوه استقرایی دارد در حالی که Apriori از نظر سرعت تست عملکرد بهتری دارد.

Keywords:

شناسایی نفوذ , تحلیل داده ها , یادگیری ماشین , امنیت , علوم داده ها.