مهین سلامتی - دانشجوی کارشناسی ارشد گروه کامپیوتر واحد گرمی ، دانشگاه آزاد اسلامی ، اردبیل ، ایران
عباس میرزایی - گروه مهندسی کامپیوتر واحد اردبیل ، دانشگاه آزاد اسلامی ، اردبیل ، ایران

امروزه بیشتر زیرساختهای حیاتی مانند مخابرات، حمل و نقل، تجارت و بانکداری توسط شبکههای کامپیوتری مدیریت میشوند، بنابراین امنیت این سیستمها در مقابل حملات برنامهریزی شده از اهمیت بالایی برخوردار است. بیشتر این حملات از خطاهای نرم افزاری و خلاءهای امنیتی سیستم هدف از طریق نرم افزارهای مخربی تحت عنوان بدافزار، سوء استفاده میکنند. بصورت کلی هر نوع کد نرم افزاری که بر روی یک سیستم کامپیوتری قرار بگیرد و عملیاتی ناخواسته را انجام دهد به عنوان بدافزار شناخته میشود. از آنجا که از بین بردن کامل خطاهای نرم افزاری امری غیرممکن است، تمامی نرم افزارها دارای خلاءهای امنیتی میباشند که به آن آسیبپذیری نرم افزار اتلاق میشود. بنابراین پژوهشگران سعی در یافتن این نقاط آسیب پذیر داشته تا پس از شناسایی راههای نفوذ به سیستم، توسط روشهای پیشگیرانه یا مقابله، حفاظت سیستم را تامین نمایند.شبکه های عصبی یکی از الگوریتم های مطرح در زمینه تشخیص نفوذ است. مشکل عمده زمان آموزش و عدم توجه به گستره ویژگیها نیاز به توسعه یا بهبود مدل را ایجاب میکند. در این پژوهش قصد بر این است تا ضمن مطالعه انواع روشهای تشخیص نفوذ به شبکخ، روشی کارآمد به منظور ایجاد مدل جدیدی برای افزایش سرعت کشف حمله و بهره گیری از روش انتخاب ویژگی توسط الگوریتم ژنتیک برای کاهش سرعت مثبت نادرست*، با استفاده از تکنیکهای انتخاب ویژگی در ترکیب با الگوریتم شبکه عصبی ارایه دهیم.

شبکه عصبی ، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی