ارایه یک سیستم تشخیص نفوذ مبتنی بر شبکه توسط الگوریتم GAPSO

یکی از مهم ترین دقدقه ها در بر قراری امنیت در شبکه های کامپیوتری محافظت از آن ها در برابرانواع حملات و نفوذ، است که برای مختل کردن کارایی این شبکه ها و یا دسترسی غیر مجاز بهمنابع تحت پشتیبانی این شبکه ها به آن ها تحمیل می گردد. مولفه ای که مسیولیت شناسایی وکشف این حملات را بر عهده دارد تحت عنوان سیستم تشخیص نفوذ شناخته می شود. با توجه بهافزایش روز افزون استفاده از شبکه های کامپیوتری و اهمیت آن ها، تهدیدات در به خطر انداختنامنیت آن ها نیز بیشتر شده و از این رو، بهبود و توسعه سیستم های تشخیص نفوذ بیشتر مورد توجهمدیران و محققان شبکه های کامپیوتری و مراکز داده قرار می گیرد. هر چند امروزه سیستم هایتشخیص نفوذ با رویکرد های مختلف به منظور برقراری امینت در شبکه های کامپیوتری ارایه شدهاند، همچنان گستردگی حملات و کافی نبودن کارایی آن ها مشکل عمده این سیستم ها محسوبمی شود، و از این رو موضوعی چالش بر انگیز محسوب می شود. در این کار به ارایه یک سیستمتشخیص نفوذ مبتنی بر تشخیص ناهنجاری پرداخته می شود. این رویکرد در واقع در مقابل رویکردتشخیص امضا قرار می گیرد که معمولا به دلیل عدم وجود قابلیت کافی در شناسایی حملات جدیدنرخ منفی اشتباه بالایی تولید می کند. روش پیشنهادی در این تحقیق با استفاده از رویکرد استخراجویژگی ابتدا فضای جدیدی برای مشاهده وضعیت داده های ترافیک شبکه و تحلیل بهتر آن ها ایجادمی کند. این امر توسط الگوریتم پیشنهادی GAPSO انجام می شود. سپس، با استفاده از یک سیستم نروفازی به مدل سازی رفتار نرمال پرداخته می شود. در نهایت با بررسی میزان ناهنجاری دربازتولید داده توسط مدل نرمال مبتنی بر نروفازی تصمیم خروجی مبنی بر حمله یا نرمال بودن رفتارکاربر اتخاذ می گردد. نتایج تجربی بر روی پایگاه داده DARPA99 نشان می دهد که روش پیشنهادی به خوبی توانسته است از تولید نتایج مثبت اشتباه که معمولا در سیستم های تشخیص نفوذ مبتنی بر شناسایی ناهنجاری مشاهده می شود جلوگیری کرده و نسبت به روش های مرسوم تشخیصنفوذ کارایی بالاتری را از خود نشان دهد.

کلیدواژه ها:

سیستم تشخیص نفوذ ، الگوریتم ژنتیک ، الگوریتم ازدحام ذرات ، تشخیص ناهنجاری ، سیستم نروفازی