سیستم تشخیص نفوذ بر اساس رویکرد هوش مصنوعی

با افزایش استفاده از منابع اینترنتی ، مهاجمان سایبری از راه های جدیدی برای حمله به خدمات شبکه استفاده می کنند، بنابراین امنیت شبکه در حال تبدیل شدن به بخشی اجتناب ناپذیر از سیستم شبکه است . برای شناسایی حملات، به سیستم تشخیص نفوذ قوی نیاز است . سیستم تشخیص نفوذ ابزاری است که هر بسته را عمقای تجزیه و تحلیل می کند تا با نظارت بر یک شبکه یا یک سیستم ، فعالیت های مخرب را شناسایی کند. از روشهای یادگیری ماشین می توان برای به کارگیری سیستم تشخیص نفوذ استفاده کرد. در این پژوهش از روشهای یادگیری ماشین به برای طبقه بندی باینری مجموعه داده UNSW-NB۱۵ و طبقه بندی چندکلاسه مجموعه دادهCIC-IDS ۲۰۱۷ استفاده شده است . خروجی الگوریتم های پیشنهادی با استفاده از چهار معیار ارزیابی دقت ، صحت ، فراخوانی و امتیاز F۱ ارزیابی می شود. الگوریتم XGBOOTS بهترین عملکرد در UNSW-NB۱۵ و الگوریتم KNN بهترین عملکرد در CIC-IDS ۲۰۱۷ نمایش داده است .

کلیدواژه ها:

امنیت شبکه ، اینترنت اشیا ، سیستم تشخیص نفوذ ، هوش مصنوعی ، یادگیری ماشین