مرجـع دانـش پارس

نوع فایل:PDF

تعداد صفحات :8

سال انتشار : 1394

نویسنده

فاطمه فرهمند - دانشجوی کارشناسی ارشد ،دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر
سیدجواد میرعابدینی - استاد یار،دانشگاه آزاد اسلامی واحد تهران مرکزی

چکیده

با توجه به گسترده شدن تلاشهای مهاجمان برای دسترسی به اطلاعات محرمانه و مهم کاربران و بکارگیری تکنیک های مختلف در جهت ساخت بدافزارهایی که بالاترین میزان گریز از تشخیص دهنده را دارا هستند، برنامه نویساننیازمند تکنیکهای تشخیص به روز و کارامدی هستند که بر روشهای مبهم سازی پیچیده و جدید مهاجمان غلبه کرده و بدافزارها را شناسایی نمایند . در این راستا بسیاری از تحقیقات تاکید بر قدرت شبکههای عصبی در بهبودکارایی این مسئله، تشخیص نفوذ شبکه، دارند. در این تحقیق قصد بر اینست تا روشی کارآمد به منظور افزایش دقت و عملکرد سیستم با استفاده از شبکه عصبی ارائه دهیم. این بهبود بواسطه استفاده از تکنیکهای انتخاب ویژگی انجام میگیرد. آزمایش و ارزیابی مدل ارائه شده بر روی مجموعه دادههای NSL-KDD که نسخه اصلاح شده KDD- CUP99 ، حاکی از آن است که مدل پیشنهادی عملکرد قابل توجهی در افزایش دقت و بازخوانی تشخیص حملات داشته و سرعت شناسایی بدافزار را افزایش می دهد

واژگان کلیدی

شبکه عصبی ، انتخاب ویژگی ، الگوریتم ژنتیک ، تشخیص نفوذ.