تشخیص نفوذ به شبکه با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM)

سینا دامی; بهنام قربانی کندرودی

تشخیص نفوذ به شبکه با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM)

Publish place: Third National Conference on Innovation and Research in Electrical Engineering and Computer Engineering and Mechanical Engineering of Iran

Publish Year: 1396

Type: Conference paper

Language: Persian

This Paper With 8 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/741156

Document National Code:

ICCONF03_059

Index date: 23 June 2018

تشخیص نفوذ به شبکه با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM) abstract

تشخیص نفوذ نقش مهمی را در تضمین امنیت اطلاعات ایفا می کند و فناوری کلیدی برای شناسایی حملات مختلف در شبکه است. در این مقاله، ما به بررسی نحوه مدل سازی یک سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق می پردازیم و یک روش یادگیری عمیق برای تشخیص نفوذ با استفاده از شبکه های عصبی حافظه طولانی کوتاه مدت (LSTM) پیشنهاد می کنیم. برای مقایسه عملکرد روش پیشنهادی، ما آن را با بسیاری از روش های یادگیری ماشین که توسط پژوهشگران قبلی در مجموعه داده های NSL-KDD ارایه شده مقایسه می کنیم. نتایج تجربی نشان می دهد که LSTM برای مدل سازی یک مدل طبقه بندی با دقت بالا مناسب است و عملکرد آن برتر از روش های طبقه بندی سنتی یادگیری ماشین در کلاس های دودویی است. مدل LSTM صحت تشخیص نفوذ را بهبود می بخشد و یک روش پژوهش جدید برای تشخیص نفوذ فراهم می کند.

تشخیص نفوذ به شبکه با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM) Keywords:

تشخیص نفوذ , طبقه بندی دودویی , یادگیری ماشین , یادگیری عمیق , LSTM

تشخیص نفوذ به شبکه با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM) authors

سینا دامی

استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

بهنام قربانی کندرودی

دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران