الگوریتمی پیشنهادی جهت تشخیص نفوذ در شبکه های کامپیوتری با استفاده از شبکه های عصبی مصنوعی

سیستم تشخیص نفوذ، اطلاعاتی در باره سیستم مشاهده شده گردآوری می کند. این داده ی جمع آوری شده توسط تشخیص دهنده پردازش می شود . تشخیص دهنده، اطلاعات غیرلازم را از این داده از بین می برد و سپستصمیمی، مبنی بر احتمال اینکه این فعالیت می تواند به عنوان یک نشانه ی نفوذ تلقی شود؛ اتخاذ می کند. در سیستم های تشخیص نفوذ، اطلاعات از منابع مختلفی مانند داده های میزبان، اطلاعات ورود به شبکه، پیام هایهشداردهنده و غیره بدست می آیند. از آنجا که منابع داده ها بسیار پیچیده است، پیچیدگی سیستم عامل نیز افزایش می یابد، همچنین ترافیک شبکه بالا است و از این رو تجزیه و تحلیل داده ها بسیار دشوار است. بابکارگیری تکنولوژی داده کاوی که قابلیت استخراج پایگاه دادههای بزرگ را دارد، سیستم تشخیص نفوذ می تواند به طور گسترده صحت داده ها را برای یک مدل بدست آورد. یکی مسئله مهم در تشخیص نفوذ این استکه چگونه می توان الگوهای حمله و الگوهای طبیعی را از تعداد زیادی داده های شبکه تشخیص داد و اینکه چگونه می توان قوانین نفوذ اتوماتیکی را بعد از اینکه اطلاعات شبکه اولیه جمع آوری شدند تولید کرد. برایانجام این کارها از تکنیک های مختلف داده کاوی مانند: طبقه بندی، خوشه بندی، قوانین انجمنی و غیره استفاده می شود. در این مقاله با انجام تکنیک های داده کاوی شبکه عصبی پایه شعاعی مبتنی بر انتخاب ویژگی یکسیستم تشخیص نفوذ در شبکه های کامپیوتری استفاده شد. نتایج نشان داد که می توان با انتخاب یک زیر مجموعه از 15 ویژگی (با احتساب برچسب کلاس هر نمونه) به دقت کلاسبندی قابل ملاحظه ای رسید.

الگوریتمی پیشنهادی جهت تشخیص نفوذ در شبکه های کامپیوتری با استفاده از شبکه های عصبی مصنوعی Keywords:

تشخیص نفود , داده کاوی , دقت تخمین , شبکه عصبی , الگوی حمله