طراحی سیستم هوشمند تشخیص ناهنجاری در شبکه های کامپیوتری با استفاده از شبکه عصبی مصنوعی SOFM

سیستم تشخیص تهاجم یک ابزار موثر برای جلوگیری از دستیابی های غیر مجاز به منابع شبکه می باشد. استراتژی های بسیار زیادی برای تشخیص تهاجم وجود دارد. بعضی از آنها از طریق نظارت بر فعالیت های کاربر و بعضی دیگر با بررسی لاگ های سیستم یا ترافیک شبکه برای بعضی از الگوهای ویژه عمل می کنند. سیستم تشخیص ناهنجاری به دنبال الگوهای غیر عادی و ناهنجار در میان داده ها می باشد. به این صورت که ابتدا به توصیف رفتارهای عادی سیسستم در حالت ایستا یا پویا می پردازد و سپس هر گونه رویدادی که خارج از رفتار تعریف شده باشد را تحت عنوان ناهنجاری مشخص می کند. یک سیستم تشخیص تهاجم خوب باید دارای میزان تشخیص بالا و میزان خطای پایین باشد. این تحقیق یک روش جدید برای طراحی سیستم تشخیص ناهنجاری با استفاده از شبکه های عصبی پیشنهاد می دهد، به این صورت که آموزش شبکه های عصبی بکار رفته در آن به صورت دو مرحله ای و متوالی انجام می شود. ما این مدل جدید را بر روی شبکه عصبی SOFM آزمایش کردیم و کارایی آن را با مدل هایی که فرایند آموزش در آنها به صورت یک مرحله ای می باشد مقایسه کردیم. آزمایش ها و ارزیابی ها با استفاده از پایگاه داده 99 KDD CUP انجام شده و از تمامی رکوردهای شبکه برای آموزش و تست شبکه استفاده شده است. نتایج نشان می دهد که مدل پیشنهادی بهبود قابل توجهی از نظر میزان تشخیص و میزان خطای مثبت در مقایسه با سیستم ساده داشته به گونه ای که این سیستم همان سطح کارایی یا در مواردی بهتر در مقایسه با سیستم های مشابه دیگر دارد.

کلیدواژه ها:

تشخیص تهاجم ، تشخیص ناهنجاری ، شبکه کامپیوتری ، شبکه عصبی