تجسم حملات سایبری چندمرحله ای بر مبنای ترکیب قابلیت و فرصت

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 622

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CCCI08_127

تاریخ نمایه سازی: 14 دی 1394

چکیده مقاله:

مطالعات انجام شده ی پیشین در حوزه امنیت شبکه بیشتر بر توسعه روش های تشخیص نفوذ و شناسایی ترافیک مخرب، متمرکز است. علیرغم این که این روش ها قدرت بالایی در کشف حملات دارند؛ قادر نیستند حملات چندمرحله ای را پیشبینی کنند. در کنار سامانه های تشخیص نفوذ بحث در مورد همبسته سازی هشدارها و تجسم حمله مورد علاقه ی بسیاری از محققان قرار گرفته است. در بحث همبسته سازی هشدارها، پایهی کار ترکیب هوشمندانهی خروجی سامانه های تشخیص نفوذ است. تجسم حملات به تجزیه وتحلیل هشدارهای جمع آوری شده، مربوط به حملات چندمرحله ای میپردازد و بر اساس آن اهداف بالقوه تهدید در یک شبکه را پیشبینی میکند. بدین سان آگاهی وضعیتی به عنوان یک حوزه پژوهشی جدید در زمینه ی امنیت شبکه مطرح گردید. هدف مطالعات آگاهی وضعیتی این است که با توجه به وضعیت جاری، مقصد بعدی حملات به شکلی کارآمد پیش بینی گردد. با آگاهی وضعیتی میتوان به درک و فهم وضعیت جاری فضای سایبری مورد حمله پرداخت و وضعیت آینده را تجسم نمود. در این پژوهش ابتدا چارچوبی به نام آگاهی از وضعیت آینده و ارزیابی اثر معرفی می شود. هدف چارچوب آگاهی از وضعیت آینده و ارزیابی اثر دستیابی به آگاهی وضعیتی از طریق تخمین میزان باورپذیری آینده حملات بر اساس پارامترهای تجسم است. معرفی پارامترهای تجسم و ارائه ی روش هایی جهت تخمین قابلیت و فرصت، هدف بعدی این پژوهش است. ما دو روش بلادرنگ، برای ترکیب خروجی الگوریتم های ارزیابی قابلیت و فرصت در شبکه معرفی می کنیم. برای ترکیب خروجی این الگوریتم ها از سیستم استنتاج فازی سوگنو و مدل انتقال باور استفاده شده است. درنهایت کارایی روش های ترکیبی ارائه شده مورد بررسی قرار می گیرد

نویسندگان

علی جبار رشیدی

استادیار دانشگاه صنعتی مالک اشتر

کوروش داداش تبار احمدی

مربی و مدیر مرکز تحقیقات پردازش و ادغام اطلاعات - مجتمع دانشگاهی ICT

سید منصور مصلح

محقق مرکز پژوهشی ادغام اطلاعات

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • T. Bass, "Intrusion detection systems and multisensor data fusion, " ...
  • J. Holsopple, S. J. Yang, M. Kuhl, D. Hall, R. ...
  • S. Jajodia, P. Liu, V. Swarup, and C. Wang, Cyber ...
  • J. Holsopple and S. Yang, "FuSIA: Future situation and impact ...
  • S. J. Yang, A. Stotz, J. Holsopple, M. Sudit, and ...
  • D. S. Fava, S. R. Byers, and S. J. Yang, ...
  • J. Salerno, "Measuring situation assessment performance through the activities of ...
  • J. J. Salerno, M. Sudit, S. J. Yang, G. P. ...
  • D. Fava, J. Holsopple, S. J. Yang, and B. Argauer, ...
  • J. Holsopple, J. Yang, and M. Sudit, "TANDI: Threat assessment ...
  • R. Begleiter, R. El-Yaniv, and G. Yona, "On prediction using ...
  • U. Lindqvist and E. Jonsson, "How to systematically classify computer ...
  • P. G. Neumann and D. B. Parker, "A summary of ...
  • S.Vidalis and A. Jones, "Using vulnerability trees for decision making ...
  • C. Phillips and L. P. Swiler, "A graph-based system for ...
  • F. Valeur, G. Vigna, C. Kruegel, R.A. Kemmerer, _ _ ...
  • P. Porras, M. Fong, and A. Valdes, "A mi ssion-impact- ...
  • Brian John Argauer, Jr. "Virtual Terrain Assisted Impact Assessment for ...