حسین فقیه علی آبادی - کارشناسی ارشد شبکه های کامپیوتری

با افزایش استفاده از منابع اینترنتی، مهاجمان سایبری از راه های جدیدی برای حمله به خدمات شبکه استفاده می کنند،بنابراین امنیت شبکه در حال تبدیل شدن به بخشی اجتناب ناپذیر از سیستم شبکه است. برای شناسایی حملات به سیستمتشخیص نفوذ قوی نیاز است. سیستم تشخیص نفوذ ابزاری است که هر بسته را عمیقا تجزیه و تحلیل می کند تا با نظارت بریک شبکه یا یک سیستم، فعالیت های مخرب را شناسایی کند. از روش های یادگیری ماشین می توان برای به کارگیریسیستم تشخیص نفوذ استفاده کرد. در این پژوهش از چهار روش یادگیری ماشین به نام های رگرسیون لجستیک، جنگل تصادفی K- نزدیک ترین همسایه و XGBootS برای طبقه بندی مجموعه داده UNSW-NB۱۵ استفاده شده است. خروجی الگوریتم های پیشنهادی با استفاده از چهار معیار ازیابی دقت، صحت، فراخوانی و امتیاز F۱ ارزیابی می شود.

امنیت شبکه، سیستم تشخیص نفوذ، هوش مصنوعی، یادگیری ماشین