ترکیب روش های هوشمند محاسباتی برای تشخیص حمله در شبکه های کامپیوتری

این مقاله روش جدیدی برای تشخیص ترافیک مخرب شبکه با استفاده از شبکه های عصبی مصنوعی برای استفاده در سیستم های تشخیص نفوذ مبتنی بر بررسی عمیق پاکت، ارائه می نماید. نتایج آزمایشگاهی با استفاده از طیفی از داده ترافیک شبکه ایمن تصاویر، فایل های کتابخانه ی لینک پویا، و انتخاب دیگر فایل های متنوع مانند لاگ ها، فایل های موسیقی، و اسناد پردازش کلمات و فایل های مخرب شل کد منشا شده از اکسپلویت آنلاین و اکسپلویت خزانه ی آسیب پذیر [۱] نشان داده اند که ساختار شبکه ی عصبی مصنوعی ارائه شده قادر به متمایزسازی دقیق ترافیک مخرب و ترافیک ایمن شبکه است.ساختار شبکه ی عصبی مصنوعی ارائه شده میانگین دقت %۹۸ را بدست آورده، میانگین ناحیه ی تحت منحنی شاخص اپراتور گیرنده ۰.۹۸ و میانگین سرعت مثبت اشتباه کمتر از ۲ درصد در اعتبارسنجی متقابل ۱۰ لایه تکرار شده است. این نشان می دهد که روش تقسیم بندی ارائه شده دقیق و صحیح می باشدروش. جدید تشخیص ترافیک مخرب شبکه ارائه شده در این مقاله این توانایی را دارد که کاربرد سیستم های تشخیص نفوذ اعمال شده هم در آنالیز معمولی ترافیک شبکه و هم در آنالیز ترافیک شبکه برای سیستم های فیزیکی مجازی مانند شبکه های اسمارت، تا حد قابل توجهی افزایش دهد.

کلیدواژه ها:

یادگیری ماشینی ، سیستم های تشخیص نفوذ ، ایمنی کامپیوتر ، هوش مصنوعی