بررسی روش های یادگیری ماشین جهت تشخیص نفوذ در شبکه های کامپیوتری

امروزه توسعه روزافزون شبکه های رایانه ای و کاربرد وسیع آن در زندگی بشر، لزوم تامین امنیت این شبکه ها را بیش از پیشنمایان ساخته است. جهت تامین امنیت از ابزار و تجهیزات مختلفی استفاده می شود که سیستم تشخیص نفوذ از جمله آنها بهشمار می رود. سیستم های تشخیص نفوذ ، اغلب از دو روش تشخیص سوء استفاده و تشخیص ناهنجاری به منظور تشخیص نفوذاستفاده می کنند . معماری های امروزی استفاده شده برای سیستم های تشخیص نفوذ، طراحان را در انتخاب نوع معماری کارایی کهبتواند قابلیت اطمینان بیشتری در مورد تشخیص حملات داشته باشد با دشواری هایی مواجه کرده است و آن ها مجبور به استفاده از طرحهای پیچیده ای برای بالا بردن توانایی این سیستم ها برای تشخیص تهاجم ها و مصون ماندن از حملات صورت گرفته بر علیه آن هاشده اند. همچنین 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 دفاعی مبتنی برالگوریتم های یادگیری ماشین که توانایی مقابله با پیچیده ترین نوع حمله ها را دارند، مورد توجه قرار گرفته اند. از این رو در این مقاله بهبررسی و ارزیابی روش های تشخیص نفوذ با استفاده از الگوریتم های یادگیری ماشین از جمله شبکه عصبی،مبتنی بر الگو، ماشین بردارپشتیبان و مدل مخفی مارکوف و .... خواهیم پرداخت تا معیارهای انتخاب یک سیستم تشخیص نفوذ کارا مورد ارزیابی قرار می گیرد.

Keywords:

امنیت , تهاجم , سیستم تشخیص نفوذ , شبکه های عصبی چند پخشی , مبتنی برالگو , ماشین بردار پشتیبان , مدل مخفی مارکوف