ارائه یک روش بهینه تشخیص نفوذ توزیع شده DDOS با استفاده ژنتیک الگوریتم و شبکه عصبی ANN در ساختارهای ابری

در طی چند سال اخیر روش های ابتکاری مختلفی برای امنیت شبکه ها از طریق سیستم های تشخیص نفوذ ارائه شده است که هرکدام از آنها به شیوه ای امنیت شبکه را فراهم می سازد. از آنجاییکه برنامه های تحت وب رو افزایش است و داده های کاربران در دسترس می باشد، نیاز به یک سیستم تشخیص نفوذ به منظور تفکیک داده های خوب و بد بیش از پیش ضروری به نظر می رسد. به طور کلی سیستم های تشخیص نفوذ به دو دسته سیستم های مبتنی بر امضا و سیستم های مبتنی بر ناهنجاری تقسیم می شوند. حمله های صفر روزه به حملاتی گفته می شوند که تاکنون توسط سیستم شناخته نشده اند و سیستم های مبتنی بر امضاء توانایی تشخیص این نوع حملات را ندارند. در این مقاله یک سیستم تشخیص نفوذ مبتنی بر الگوریتم زنتیک و شبکه عصبی برای رایانش ابری ارائه شده است. با استفاده از شبکه عصبی مصنوعی مدلی ارائه خواهیم نمود که توانایی تشخیص نفوذ در شبکه را دارا است. این مدل با استفاده از الگوریتم ژنتیک آموزش داده می شود. نتیجه اجرای سیستم پیشنهادی نشان دهنده دقت بالا و خطای پایین است، چرا که سیستم پیشنهادی توانسته است به نرخ تشخیص 95% و نرخ مثبت کاذب 30.46% دست یابد که نسبت به روش های گذشته بهبود داشته است. برای کارهای آینده می توان از ماشین یادگیری های دیگری از قبیل مدل مخفی مارکوف، شبکه بیزین استفاده نمود.

کلیدواژه ها:

رایانش ابری ، سیستم تشخیص نفوذ ، مثبت کاذب ، نرخ تشخیص