ارائه یک الگوریتم ترکیبی یادگیری ماشین برای تشخیص نفوذ در شبکه های مبتنی بر نرم افزار

شبکه مبتنی بر نرم افزار SDN یک رویکرد انقلابی در معماری و مد یریت شبکه محسوب می شود که هدف آن سادهسازی و بهینه سازی عملیات شبکه است . معماری SDN با جدا کردن سطح کنترل از لایه انتقال، انعطاف پذیری و مقیاسپذیری شبکه را بیشتر می کند. در عین حال این شبکه ، از یک کنترلکننده متمرکز برای مدیریت کل شبکه استفاده می نماید که آن را به یک هدف بالقوه برا ی حملات سا یبری تبدیل می کند. تشخیص نفوذ یک مشکل مهم تحقیقاتی در امنیت شبکه می باشد، به صورتی که سیستم های تشخیص نفوذ خبره نمی توانند خود را با حملات جد ید تطبیق دهند بنابرا ین استفاده از تکنیک های یادگیری ماشین در یک سیستم تشخیص نفوذ که باعث افزا یش قابلیت این سیستم ها شود بسیار مناسب می باشد. در این پژوهش از ترکیب الگوریتم انتخاب ویژگی دو مرحله ای با یک الگوریتم تقویت گرادیان درخت تصمیم (HIDA) برای تشخیص نفوذ در شبکه SDN استفاده شده است . نتا یج آزمایشات بر اساس مجموعه داده NSL-KDD نشان می دهد که سیستم پیشنهادی نتا یج بهتری را در مقا یسه با روشهای موجود از نظر صحت ، دقت ، فراخوان و اندازهگیری f تولید می نماید.

کلیدواژه ها:

شبکه مبتنی بر نرم افزار ، تشخیص نفوذ ، یادگیری ماشین ، حملات سا یبری .