ارائه روشی مبتنی بر کاهش ویژگی برای بهبود تشخیص نفوذ در شبکه

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 762

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MABECONF03_019

تاریخ نمایه سازی: 21 اردیبهشت 1401

چکیده مقاله:

امروزه پیشرفت در تکنولوژی اجازه می دهد تا کامپیوترها از راه دور مدیریت شوند و از این راه بزرگراهی برای همه انواع اطلاعات از طریق اینترنت فراهم شده است. اینترنت امروز به دلیل تهدیدهای گوناگون سایبری به طور فزاینده ای در معرض خطر قرار گرفته است و میزان و پیچیدگی حملات سایبری به طور نگران کننده ای در حال رشد است. هکرها تکنیک های جدیدی را به صورت روزانه برای دور زدن لایه های امنیتی اختراع کرده و مورد استفاده قرار می دهند. سیستم های تشخیص نفوذ به کشف و شناسایی رفتارهی غیرمجاز سیستم، مانند استفاده، کپی کردن، تغییر و تخریب کمک می کنند. با ظهور تکنیک های هوش مصنوعی، رویکردهای یادگیری محور برای تشخیص حملات سایبری، بیشتر بهبود و گسترش یافته اند و در بسیاری از مطالعات به نتایج قابل توجهی دست یافته اند. در این تحقیق از تئوری بازی ها بریا تشخیص و انتخاب ویژگی های موثر استفاده شده است. همچنین ادامه بای کلاسه بندی از تکنیک XGBoost استفاده شد. نتایج نشان می دهد که روش پیشنهادی از نظر پارامترهای ارزیابی نسبت به سایر روش ها بهتر عمل کرده است.

نویسندگان

مهران پاک روان

کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشگاه بین المللی چابهار، چابهار، ایران