دفاعیه ارشد: تجزیه و تحلیل نرخ تشخیص سیستم های تشخیص نفوذ در مجموعه داده های نامتعادل

Analyzing Intrusion Detection Systems' Detection rate in unbalanced datasets

تجزیه و تحلیل نرخ تشخیص سیستم های تشخیص نفوذ در مجموعه داده های نامتعادل روز دوشنبه، 26 شهریور، 1403 توسط موسسه آموزش عالی زند شیراز در شهر شیراز استان فارس برگزار می شود.

حوزه های تحت پوشش: مهندسی و فناوری

برگزار کننده: موسسه آموزش عالی زند شیراز

شخیص ناهنجاریها به دلیل پتانسیل آن در شناسایی حمالت جد ید، مورد توجه بسیاری از محققان قرار گرفته است. با این حال، استفاده از این روشها در برنامه های واقعی به دلیل پیچیدگی سیستمها، که نیاز به مقدار زیادی تست، ارزیابی و تنظیمات قبل از استقرار دارند، با چالشهایی روبرو است. اجرای این سیستمها بر روی دادههای واقعی شبکه با برچسبگذاری کامل و مجموعها ی گسترده از رفتارهای ناهنجار، بهترین روش برای تست و ارزیابی محسوب میشود. یکی از چالشهای اصلی در این زم ینه، کمبود دیتاستهای مناسب است. از یک سو، بسیاری از این دی تاستها داخلی هستند و به دلیل مسائل حریم خصوصی قابل اشتراک گذاری نیستند و از سوی دیگر، بسیاری از دیتاستهای موجود به شدت ناشناسسازی شدهاند و بازتابی از روندهای جاری ندارند ی ا فاقد ویژگ یهای آماری خاصی هستند. با توجه به تغییر الگوهای شبکه و تکامل حمالت، الزم است که از دیتاستهای ثابت و یکباره به سمت دیتاستهای پویا حرکت کنیم که نه تنها ترکیب ترافیک و حمالت زمان خود را منعکس کنند، بلکه قابل تغییر، توسعه و بازتولید باشند. برای غلبه بر این مشکالت، رویکرد ی سیستماتیک برای تولید دیتاستهایی جهت تحلیل، تست و ارزیابی سیستمهای تشخیص نفوذ، با تمرکز بر تشخیص ناهنجاریهای شبکه ارائه شده است. هدف اصلی این پروژه، توسعه یک روش سیستماتیک برای ای جاد دیتاستهای مرجع متنوع و جامع برای تشخیص نفوذ است که بر اساس ایجاد پروفایلهای کاربری که نمایههای انتزاع ی از رو یدادها و رفتارهای مشاهده شده در شبکه را در بر دارند، بنا شده است. این پروفایلها با هم ترکیب میشوند تا مجموعها ی متنوع از دیتاستها را ایجاد کنند که هر کدام شامل مجموعه ای منحصربه فرد از ویژگیها بوده و بخشی از حوزه ارز یابی را پوشش میدهد. در نهایت، با استفاده از مدل GRU با معیارهای دقت ( Accuracy)، یادآوری (Recall)، و دقت (Precision )بهره گرفتیم، به دقت 94.۶۸ درصد دست یافتیم که نشاندهنده کارایی باالی این مدل در تشخیص نفوذها در شرایط نامتعادل دادهها است. این تحقیق به تحلیل الگوریتمهای مختلف برای تشخیص نفوذ در شرایط نامتعادل دادهها پرداخته و پ یشنهاداتی برای تحقیقهای آینده ارائه داده است.. واژگان کلیدی : تشخیص ناهنجاریها، حمالت جدید، سیستمهای تشخیص نفوذ، دیتاستهای مناسب، حریم خصوصی، دیتاستهای پویا، پروفای لهای کاربری، مدل GRU، معیارهای دقت، ی ادآوری، دقت، شرایط نامتعادل دادهها
معرفی سخنرانان: نگارنده: محمد جواد خسروی استاد راهنما: دکتر محمد صادق بشکاری استاد مشاور: دکتر خانم بستابه تنوری استاد داور: دکتر امیر حسین راسخ

درج در سایت: 20 شهریور 1403 - تعداد مشاهده 126 بار