تشخیص حملات بات نت با استفاده از مدل های ترکیبی شبکه عصبی پیچشی و حافظه طولانی کوتاه مدت

در با گسترش اینترنت و شبکه های کامپیوتری ، امنیت سایبری به یکی از چالش های اصلی تبدیل شده است . حملات باتنت ، به عنوان یکی از جدیدترین تهدیدات امنیتی ، می توانند باعث آسیب های جدی به سیستم ها و دادهها شوند. این مقاله به بررسی و پیادهسازی یک مدل ترکیبی از شبکه عصبی پیچشی ۱و حافظه طولانی کوتاه مدت ۲برای تشخیص حملات باتنت پرداخته است . مدل پیشنهادی با استفاده از مجموعه داده UNSW-NB۱۵ آموزش داده شده است ، سپس پیش پردازش و نرمالسازی بر روی مجموعه داده ما انجام شده و داده ها به داده های آموزشی و آزمون تقسیم می شوند. سپس با استفاده از شبکه پیچشی ویژگی ، ویژگی ها استخراج شده و با استفاده از حافظه طولانی کوتاه مدت یادگیری دنباله ای انجام می شود و داده ها بر اساس مدل تعیین شده آموزش داده می شود. پس از آموزش مدل، از معیارهای دقت ،۳ صحت ۴ ، فراخوانی ۵ و نمره۶F۱ جهت ارزیابی و در نهایت از ماتریس سردرگمی ۷ برای تجزیه و تحلیل عملکرد مدل در تشخیص ترافیک عادی و حمله استفاده شد، سپس با دادن یک ترافیک جدید، مدل توانست به درستی وضعیت ترافیک عادی یا حمله را تشخیص دهد. میزان دقت و میانگین میزان صحت در روش پیشنهادی ۹۶درصد می باشد.

کلیدواژه ها:

امنیت شبکه کامپیوتری ، یادگیری عمیق ، شبکه های عصبی پیچشی ، حافظه طولانی کوتاه مدت