مروری بر الگوریتم های داده کاوی به منظور تشخیص ناهنجاری در رایانش ابری

امروزه با افزایش برون سپاری داده ها و برنامه ها به شبکه های مبتنی بر اینترنت ازجمله رایانش ابری،امنیت نقش کلیدی ایفا می کند. توسعه سریع سرویس های اینترنت و شبکه های ارتباطی، سیستم ها را دربرابر حمله های سایبری متعدد، آسیب پذیر کرده است. در این راستا، امنیت شبکه های ارتباطی وسرویس های ابر و دردسترس پذیر بودن آنها، به یک نگرانی رو به افزایش برای مدیران و کاربران تبدیلشده است. کاربران بسیاری به دلیل نگرانی های امنیتی ازبرون سپاری برنامه ها و داده های خود اجتنابمی کنند. از طرفی با توجه به رشد سریع اینترنت، فعالیت های مخرب که تحت عنوان نفوذ از آنها یادمی شود، گسترش یافته اند. تکنیک های بسیاری برای جلوگیری از نفوذ مورد استفاده قرار می گیرند که دراین خصوص، سیستم های تشخیص نفوذ نقش موثری در حفظ امنیت این شبکه ها را دارا می باشند. یکیاز دو رویکرد کشف نفوذ، تشخیص مبتنی بر ناهنجاری می باشد که در میان آنها، الگوریتم های دادهکاوی مورد توجه زیادی قرار گرفته اند. در این مقاله مروری بر چند الگوریتم رایج داده کاوی صورت گرفتهو این الگوریتم ها با توجه به شاخص های رایج در ارزیابی و با درنظر گرفتن داده های موجود در رایانشابری مورد مقایسه قرار گرفته اند. درنهایت مشخص شد که در حجم بالای داده، الگوریتم ماشین بردارپشتیبانی بهترین نتیجه را در پارامترهای دقت (95.58%) و کمیت اف (0.839%) دارد.

کلیدواژه ها:

سیستم تشخیص نفوذ ، تشخیص ناهنجاری ، رایانش ابری ، داده کاوی ، ماشین بردار پشتیبانی