ارایه یک سیستم تشخیص نفوذ کارآمد مبتنی بر ترکیب الگوریتم خوشه بندی فازی و الگوریتم ژنتیک

با افزایش استفاده از دنیای فناوری اطلاعات و نیاز جامعه بشری به تبادل اطلاعات در بستر شبکه، چگونگی حفظ امنیت همواره یکموضوع چالش برانگیز بوده است. مسیله تشخیص نفوذ را می توان به صورت یک مسیله طبقه بندی خودکار در نظر گرفت اما برای اینکه سیستم تشخیص نفوذ، قدرت کشف و تشخیص نفوذهای از قبل تعریف نشده را داشته باشد به نوعی هوشمندی و قابلیت یادگیری نیاز دارند که بتواند با تحلیل ترافیک شبکه فعالیت عادی از غیرعادی را تشخیص دهد. محاسبات نرم و یادگیری ماشین مجموعه از روشهای ابتکاری هستند که قادرند توانایی شگفت آور ذهن انسان را برای استدلال کردن و یادگیری در یک محیط نامعلوم و بدون قطعیت را به وجود آورند. هدف از این پژوهش، ارایه یک سیستم تشخیص نفوذ در شبکه مبتنی بر ناهنجاری است که از خوشه بندی فازی FUZZY C-MEANS جهت دسته بندی ترافیک ورودی به شبکه استفاده می شود. جهت بالا بردن دقت دسته بندی باید مراکز خوشه به گونه ای انتخاب شوند که باعث ایجاد کمترین فاصله با دیگر اعضای خوشه گردد که الگوریتم ژنتیک جهت بهینه سازی مراکز خوشه بندی استفاده می شود. این تحقیق با مجموعه داده NSL-KDD ارزیابی گردید که نتایج، در سه آیتم صحت، اختصاصی بودن و حساسیت، برتری روش پیشنهادی را نسبت به الگوریتم های مقایسه شده نشان میدهد.

Keywords:

شبکه های کامپیوتری , تشخیص نفوذ , خوشه بندی فازی , الگوریتم ژنتیک , مجموعه داده NSL-KDD