تشخیص نفوذ به شبکه با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM)

تشخیص نفوذ نقش مهمی را در تضمین امنیت اطلاعات ایفا می کند و فناوری کلیدی برای شناسایی حملات مختلف در شبکه است. در این مقاله، ما به بررسی نحوه مدل سازی یک سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق می پردازیم و یک روش یادگیری عمیق برای تشخیص نفوذ با استفاده از شبکه های عصبی حافظه طولانی کوتاه مدت (LSTM) پیشنهاد می کنیم. برای مقایسه عملکرد روش پیشنهادی، ما آن را با بسیاری از روش های یادگیری ماشین که توسط پژوهشگران قبلی در مجموعه داده های NSL-KDD ارایه شده مقایسه می کنیم. نتایج تجربی نشان می دهد که LSTM برای مدل سازی یک مدل طبقه بندی با دقت بالا مناسب است و عملکرد آن برتر از روش های طبقه بندی سنتی یادگیری ماشین در کلاس های دودویی است. مدل LSTM صحت تشخیص نفوذ را بهبود می بخشد و یک روش پژوهش جدید برای تشخیص نفوذ فراهم می کند.

کلیدواژه ها:

تشخیص نفوذ ، طبقه بندی دودویی ، یادگیری ماشین ، یادگیری عمیق ، LSTM