یک رویکرد مبتنی بر یادگیری جمعی جهت کشف حملات بات نت در شبکه

بات نت ها به عنوان مهم ترین تهدید اینترنتی در سال های اخیر شناخته شده اند که به طور پیوسته در حال رشد و گسترش می باشند. تشخیص بات نتها یک حوزه تحقیقاتی جدید و چالشی در بخش امنیت شبکه های کامپیوتری میباشد. در این مقاله، به ارائه روشی ترکیبی بر مبنای سیستم یادگیری جمعی جهت تشخیص بات نت، پرداخته شده است. از جمله مهمترین چالش ها و مشکلات مطرح شده در این حوزه تزریق حملات متعدد به زیر ساخت شبکه و نفوذپذیری بالای رابطه ای امنیتی در این سیستم ها است. از این رو، ارائه یک راه حل کارامد که بتواند نفوذ به زیر ساخت شبکه را به حداقل برساند بسیار لازم و ضروری می باشد. روش مطرح شده با استفاده از الگوریتم خوشه بندی - C۴.۵و درخت تصمیم، SVMLib می نماید. در نهایت با استفاده از سیستم یادگیری جمعی متشکل از الگوریتم های شبکه عصبی عمیق ISOT اقدام به انتخاب ویژگی های بهینه از مجموعه داده (PSO) اقدام به حذف نمونه های پرت نموده و با کمک الگوریتم بهینه سازی ازدحام ذراتX-Means ، حملات شبکه بات تشخیص داده میشوند. با شبیه سازی روش پیشنهادی مشاهده گردید که دقت تشخیص حملات با استفاده از روش پیشنهادی ۹۹۶۴٪ بوده که در مقایسه با سایر روش ها در حدود ۰٫۲۸ / بهبود داشته است .

کلیدواژه ها:

تشخیص شبکه بات ، الگوریتم PSO خوشه بند.یادگیری جمعی ، یادگیری عمیقX-Means ،