ترکیب الگوریتم های سیستم ایمنی مصنوعی به منظورتشخیص ناهنجاری در شبکه های کامپیوتری

از سالیان گذشته نیاز به امنیت، جهت حمایت از شبکه های کامپیوتری امری بدیهی است اتصال شبکه های کامپیوتری به اینترنت آنها را در معرض انواع بسیاری از جرایم مجازی قرار داده است . در حال حاضر سیستم های تشخیص نفوذ که همواره در حال رشد و توسعه هستند، به عنوان بخشی از زیرساخت های امنیت شبکه، معمول شده اند و استفاده از آنها ضروری به نظر می رسد.روشهایی که این سیستم ها بر اساس آن کار میکند به دو دسته تشخیص الگو و تشخیص ناهنجاری تقسیم میشوند. در این مقاله، یک سیستم تشخیص ناهنجاری مبتنی بر ایمنی مصنوعی طراحی، پیادهسازی و ارزیابی شده است. ایده استفاده از روش های ایمنی مصنوعی در تشخیص ناهنجاری در شبکه های کامپیوتری از آن جهت بوده است که ویژگیهایی در سیستم های ایمنی وجود دارند که مشابه نیازهای سیستم های تشخیص ناهنجاری است. به طور مثال می توان به مواردی همچون روش تشخیص ناهنجاری، تنوع حملات، حافظه دار بودن، قابلیت خودتنظیمی و همچنین روش یادگیری الگوریتم های ایمنی مصنوعی اشاره کرد. آموزش سیستم تشخیص ناهنجاری ارائه شده در این مقاله تنها با استفاده از نمونه های نرمال شبکه صورت میگیرد و نیاز به هیچ داده اضافی در مورد نوع حملات نیست. در سیستم پیشنهادی از فرآیندهای انتخاب منفی، انتخاب مثبت و انتخاب کلونی برای ایجاد تمایز بین نمونه های نرمال و حمله استفاده شده است. مجموعه داده استفاده شده NSL-KDD می باشد. نتایج ارزیابی روی مجموعه دادههای حقیقی نشان میدهد سیستم پیشنهادی در اغلب موارد نرخ هشدار غلط پایینی نسبت به سایر روشها دارد و نرخ تشخیص آن نیز در حد مطلوبی است.

کلیدواژه ها:

تشخیص ناهنجاری ، سیستم ایمنی مصنوعی ، تشخیص نفوذ ، انتخاب منفی ، انتخاب کلونی ، مجموعه داده NSL-KDD