تشخیص نفوذ و طبقه بندی انواع حملات در رایانش ابری

امروزه رایانش ابری نقش بسزایی در تغییر دنیای فناوری ایفا کرده است. این فناوری با توجه به ارایه خدمانی نظیر هزینه نگهداری پایین و تضمین همیشه در دسترس بودن خدمات و داده ها، و قابلیت مقیاس پذیری توانسته است کاربرهای زیادی در حوزه های متفاوت ارایه دهد. یکی از مباحث مهم در شبکه های رایانش ابری، مسئله امنیت در این شبکه ها است که برای مدیران سازمان، نگرانی هایی از لحاظ دسترسی های بدون مجوز فراهم نموده است. برای مبازره با نفوذکنندگان به شبکه های کامپیوتری، روش های زیادی وجود دارد که به آن ها روش های تشخیص نفوذ می گویند. سیستم های تشخیص نفوذ به دو شیوه تشخیص سوء استفاده یا تشخیص ناهنجاری عمل می کنند. هدف این مقاله بررسی راهکاری کارآمد برای سیستم تشخیص نفوذ شبکه در شبکه های حسگر بی سیم است. در این پایان نامه روشی ارایه شده که مبتنی بر ناهنجاری است و بر اساس شبکه عصبی پس انتشار خطا تعریف شده است. در روش پیشنهادی این پایان نامه از شبکه عصبی پس انتشار خطا استفاده می شود تا داده های آموزشی یادگرفته شوند. نتایج بدست آمده نشان می دهد شبکه عصبی پس انتشار خطا توانسته در تشخیص نفوذ در رایانش ابری به دقت 99 درصد نسبت به سایر روش ها برسد. برای این منظور می توان از مفاهیم شبکه های عصبی در یادگیری دو کلاس رفتارهای نرمال و غیرنرمال استفاده نمود.

کلیدواژه ها:

تشخیص نفوذ ، شبکه عصبی پس انتشار خطا ، رایانش ابری