ارائه ی سیستم تشخیص نفوذ مبتنی بر FPGA با استفاده از شبکه عصبی با ناظر

با پیشرفت روز افزون تکنولوژی و شبکه های کامپیوتری و افزایش چشمگیر استفاده از آنها، خطر حمله به آنها با توجه به رشد آنها افزایش یافته است که روشها و سیستمهایی برای تشخیص و جلوگیری از این حملات به این سیستمهای طراحی و پیاده سازی شدهاند که یکی از این سیستمها، سیسستمهای تشخیص نفوذ میباشد. از میان سیستمهای تشخیص نفوذ معرفی شده، سیستمهای تشخیص نفوذ سنتی قادر به تشخیص حملات جدید نیستند و نمیتوانند آنها را شناسایی کنند به همین دلیل امروزه سیستمهای تشخیص نفوذ جدید، از بسیاری از تکنیکهای داده کاوی و یادگیری ماشین برای تشخیص حملات جدید استفاده میکنند. در این مقاله ما به بررسی چند نمونه شبکه عصبی با ناظر برای سیستمهای تشخیص نفوذ که روی بستر نرم افزاری و FPGA پیاده سازی شدهاند میپردازیم که با استفاده از دو پایگاه داده KDDCUP 99 و NSL-KDD به صورت جداگانه مورد آموزش و تست قرار دادیم و به مقایسه دقت و سرعت آنها در حالات 2 کلاسه و 5 کلاسه در دو حالت بدون ماژول استخراج ویژگی و با ماژول استخراج ویژگی در بسترهای FPGA و نرم افزای میپردازیم که نتایج شبیه سازی نشان میدهد استفاده از FPGA در حالت بدون ماژول استخراج ویژگی به صورت میانگین تقریبا باعث افزایش 67,6 برابری سرعت و کاهش 1,37 درصدی دقت نسبت به حالت نرم افزاری شده است و همچنین در حالت با ماژول استخراج ویژگی استفاده از FPGA به صورت میانگین تقریبا باعث افزایش 127,99 برابری سرعت و کاهش 2,35 درصدی دقت نسبت به حالت نرم افزاری شده است.

کلیدواژه ها:

سیستم تشخیص نفوذ ، شبکه عصبی MLP-RBF-SVM ، FPGA ، استخراج ویژگی