تشخیص حملات یک درخواست HTTP مبتنی بر گروه مدل مخفی مارکوف

با رشد سریع اینترنت و شبکه های مجازی، تعداد حملههای جدیدی که در هرروز ظاهر میشوند همواره رو به افزایش است. سیستمهای سنتی مبتنی بر امضا که فرایند شناسایی حمله را با مقایسه حملات موجود در پایگاه داده انجام میدهند، در مواجه با حملات جدید، ناتوان خواهند بود. یک پیشنهاد برای این مشکل این خواهد بود که همیشه آخرین حملات فورا در پایگاه داده ثبت شوند که خود این عمل بسیار پرهزینه خواهد بود. یک راهحل ممکن برای حل این مسیله با عنوان سیستمهای مبتنی بر بینظمی پیشنهادشده است. سیستم مبتنی بربینظمی، مدلی از رفتارهای نرمال سیستمی را که قرار است از آن محافظت به عمل آید را میسازد و الگوی حمله را با مدل نرمال مقایسه کرده و در صورت وجود ناسازگاری آن را ناهنجار تشخیص میدهد. در این پژوهش روشی براساس ساختار سیستمهای تشخیص نفوذ مبتنی بر بینظمی پیادهسازی شده است و از مدل مخفی مارکوف و دسته بندی کننده چندگانه برای حل مسیله تشخیص بینظمی استفاده میکند. آزمایشات نشان میدهد که روش پیشنهادی نسبت به روش های گذشته توانسته است معیارهای دقت، فراخوانی و F1-measure را با نرخ بهتری کسب کند.

کلیدواژه ها:

تشخیص حمله ، گروه مدل مخفی مارکوف ، نرخ مثبت کاذب ، نرخ تشخیص