تشخیص نفوذ در شبکه های نرم افزار محور با شبکه عمیق پلکانی

شبکه نرم افزار محور (SDN) اخیرا بوجود آمده و یکی از راه حل های امیدوار کننده برای اینترنت آینده شده است. با تمرکز منطقی کنترل کننده ها و مرور کلی شبکه، SDN فرصتی برای تقویت امنیت شبکه مان به ما می دهد. با این حال، SDN همچنین موجب افزایش پتانسیل در برابر تهدیدات بالقوه را موجب می شود. در این مقاله، یک روش یادگیری عمیق را برای تشخیص ناهنجاری های مبتنی بر جریان در یک محیط SDN مورد استفاده قرار می دهیم. ما یک مدل شبکه عمیق پلکانی (DLN) را برای یک سیستم تشخیص نفوذ ایجاد می کنیم و مدل را با مجموعه داده NSL-KDD آموزش می دهیم. در این کار، ما فقط از شش ویژگی اصلی که از چهل یکی ویژگی مجموعه داده NSL-KDD گرفته شده، استفاده می کنیم (که می تواند به آسانی از محیط SDN به دست آیند). نتایج تجربی نشان می دهد که روش یادگیری عمیق، پتانسیل قوی برای تشخیص ناهنجاری مبتنی بر جریان در محیط SDN را نشان می دهد.

Keywords:

تشخیص نفوذ , شبکه نرم افزار محور , SDN , یادگیری عمیق , شبکه عمیق پلکانی