ارزیابی یک مدل تشخیص نفوذ هوشمند در سرویس های رایانش ابری

در جهان شدیدا در حال تغییر امروز، رایانش ابری به یک گرایش اصلی در حوزه فناوری اطلاعات و مهندسی کامپیوتر مبدل گردیده است. رایانشابری در قالب تکنولوژی نوینی برای میزبانی داده ها شناخته می شود که در سالهای اخیر به دلیل بازپرداخت هزینه های تحمیل شده به سازمان ها، بسیار موردتوجه قرار گرفته است. با این حال با توجه به اینکه این مفهوم همچنان در فازهای اولیه ی بهره برداری قرار دارد، بسیاری از ریسک های امنیتی جدیدی درزمینه آن پدیدار شده اند، که این موضوع منجر می گردد تا مزایای زیاد بهره گیری از رایانش ابری در مقایسه با ریسک های امنیتی آن، محو شده و نادیده گرفتهشوند. این مقاله، یک مدل تشخیص نفوذ هوشمند را ارائه میدهد که مبتنی بر اصل همکاری بین بسیاری از سیستم های تشخیص نفوذ (IDS ها) است. اینسامانه های تشخیص نفوذ به صورت سیستم های تشخیص نفوذ مبتنی بر میزبان (HIDS) هستند که به منظور پشتیبانی از داده کاوی و یادگیری ماشین،سفارشی شده اند و ما آنها را SHIDS (سیستم های تشخیص نفوذ هوشمند مبتنی بر میزبان) می نامیم. سیستم های SHIDS بر روی ماشین های مجازی مختلف در ابر قرار می گیرند تا حملاتی را تشخیص دهند که کاربردهای در حال اجرا بر روی ماشینهای مجازی را هدف قرار میدهند، و این کار را با تبادل هشدارهای IDMEF رمز شده، انجام داده و از این برنامه ها، حفاظت میکنند. این روش، مزایای زیادی را از لحاظ قابلیت حمل و هزینه ها ایجاد می کند. این مقاله به ارائه ی معماری های مختلف سیستم های تشخیص نفوذ در ابر و مقایسه ای بین معماری های اصلی میپردازد، سپس معماری پیشنهادی ما برای تشخیص نفوذ ارائه شده و این معماری پیشنهادی با آزمایشی با استفاده از OpenStack ارزیابی می شود.

Keywords:

, NIDS , HIDS , IDS رایانش ابری , یادگیری ماشین , OpenStack