ارائه معماری تشخیص نفوذ در شبکه مبتنی بر ناهنجاری با استفاده از یادگیری ماشین

امنیت شبکه موضوع اصلی در شبکه هاست زیرا اکثر تولیدکنندگان در طول طراحی روی استانداردهای امنیتی تمرکز نمیکنند. عملکرد فایروالها، سیستمهای جلوگیری از نفوذ و سیستمهای تشخیص نفوذ به دقت بستگی دارد، بنابراین موارد ضروری آن، برای افزایش نرخ تشخیص برای کاهش هشدارهای نادرست. هدف فایروال یافتن تخلفات طبق قوانین از پیش تعریف شده و مسدود کردن ترافیک خطرناک ورودی است. بااین حال، به دلیل تکنیکهای پیشرفته حمله، تمایز بین ترافیک مخرب و عادی بسیار دشوار است. برای پرداختن به این مسائل، یک معماری ترکیبی دومرحلهای پیشنهادشده است. ابتدا، الگوریتم ژنتیک برای انتخاب ویژگیهای مناسب برای بهبود دقت چارچوب پیشنهاد ی اعمال میشود. در مرحله بعد، الگوریتم معروف یادگیری ماشین شامل ماشین بردار پشتیبان استفاده میشود.

کلیدواژه ها:

سیستم تشخیص نفوذ ، یادگیری ماشین ، ماشین بردار پشتیبان ، الگوریتم ژنتیک