• عنوان

    آشكارسازي نفوذ در شبكه‌هاي مخابراتي مبتني بر يادگيري ماشين

  • نويسنده اصلي

    آيدا عارفي مجد

  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    امروزه با توجه به استفاده روز افزون انسان‌ها از شبكه‌هاي مخابراتي، لزوم برقراري امنيت در اين شبكه‌ها روز به روز افزايش مي‌يابد. به طوري كه سعي مي‌شود با روش‌هاي مختلف سه مولفه محرمانگي، يكپارچگي و دسترس پذيري در شبكه برقرار شود. يكي از ابزارهاي معمول و پركاربرد براي ايجاد امنيت در شبكه‌ها، سيستم‌ آشكارساز نفوذ است. اخيرا با استفاده از روش‌هاي مختلف يادگيري ماشين، سعي مي‌شود سيستم‌هاي آشكارساز نفوذ را براي تشخيص هرچه بهتر و سريع‌تر انواع حملات تجهيز كرد. افزايش پيچيدگي و حجم اطلاعات، كار تشخيص حمله را براي سيستم‌هاي آشكارساز نفوذ دشوارتر مي‌كند. لذا بهبود عملكرد سيستم‌هاي آشكارساز حمله همواره يكي از چالش‌ها در زمينه‌ي امنيت شبكه‌ها است. با توجه به اين‌كه سيستم‌هاي آشكارساز نفوذ بايد حجم زيادي از اطلاعات را با سرعت زياد تحليل كنند، اين حجم از اطلاعات ممكن است باعث كاهش قدرت تشخيص در اين سيستم‌ها ‌شود. در اين پايان نامه، براي حل اين مشكل از الگوريتمي بر پايه ماشين بردار پشتيبان، كه بهره‌وري بيشتري در مقايسه با ساير روش‌هاي يادگيري ماشين نظارت شده دارد، استفاده شده است. همچنين براي مديريت تعداد ويژگي‌ها و حذف ويژگي‌هاي اضافي الگوريتم ژنتيك به كار برده شده است. الگوريتم پيشنهادي، شامل دو ماشين بردار پشتيبان است، يكي به صورت دوكلاسه و ديگري به صورت چند كلاسه تشخيص حمله را انجام مي‌دهد و طبق الگوريتمي، با توجه به نتيجه‌ي طبقه بندي هر دو ماشين بردار پشتيبان، حملات آشكارسازي مي‌شوند. طبق نتايج شبيه سازي، الگوريتم ارائه شده در مقايسه با سيستم آشكارساز نفوذ شامل يك ماشين بردار پشتيبان مي‌تواند، خطا را تا 32 درصد كاهش دهد. در مرجع ]1[، از يك ماشين بردار پشتيبان و الگوريتم ژنتيك براي طراحي سيستم آشكارساز نفوذ استفاده شده است، الگوريتم پيشنهادي در مقايسه با اين مرجع توانسته به مقدار 2/4 درصد دقت سيستم را افزايش دهد و تاثير مثبتي بر نرخ تشخيص و كاهش خطا داشته باشد.
  • شماره ركورد
    194985
  • دانشگاه
    دانشگاه علم و صنعت ايران
  • رشته تحصيلي
    فناوري اطلاعات - مخابرات امن
  • استاد راهنما
    دكتر وحيد طباطباوكيلي