مهدی بالکانی - دانشجوی کارشناسی مهندسی کامپیوتر- نرم افزار، دانشگاه محقق اردبیلی، اردبیل

در دنیای امنیت امروزی، بر خلاف گذشته، ابزار های دفاعی مبتنی بر پایگاه داده که در آنها قوانینی برای شناساییحملات تعریف شده است، کارایی لازم را ندارند و در تامین امنیت شبکه ها به مشکل بر خورده اند. از این رو ابزار دفاعیمبتنی بر الگوریتم های یادگیری ماشین که توانایی مقابله با پیچیده ترین نوع حمله ها را دارند، مورد توجه قرار گرفته اند.در این مقاله مدلی برای تشخیص نفوذ مبتنی بر ترکیب شبکه عصبی کوهنن و مدل مخفی مارکوف ارائه شده است که درآن دنباله ای از فراخوانی های سیتمی به عنوان دنباله ای از رفتار های صورت گرفته وارد مدل پیشنهادی می شود و باتوجه به شباهت مدل های آموخته شده با رفتار های ورودی، نوع رفتار ها تشخیص داده شده و تصمیمات درست به عنوانخروجی اتخاذ می گردد. سپس این نوع رفتار برای تشخیص های بعدی در سیستم ذخیره می گردد. نتایج آزمایشگاهینشان می دهد که تجزیه و تحلیلی که به وسیله سیستم تشخیص نفوذ پیشنهادی صورت گرفته از دقتی بالای 99 درصدبرخوردار می باشد و بر روی حملاتی که به صورت مکرر به یک وب سرور انجام شده، به طور محسوسی موثر است.

تشخیص نفوذ، مدل مخفی مارکوف، شبکه عصبی مصنوعی کوهنن، نگاشت خود سازمانده