ارزیابی سیستمهای مدیریت هشدار مبتنی بر خوشه بندی و دسته بندی هشدارهای امنیتی

مشکل اساسی سیستمهای تشخیص نفوذ تولید هشدارهای خیلی زیاد، بی مورد و اشتباه میباشد و ارزیابی دستی هشدارها کار بسیار سخت، وقت گیر و پراشتباهی است با وجود این مشکل متخصصین امنیتی قادر به بررسی دستی هشدارها نبوده و نمی توانند درک مناسبی از هشدارها و حملات و نفوذهای احتمالی بدست بیاورند. لذا طراحی و توسعه سیستم مدیریت و ارزیابی خودکار هشدار جهت مدیریت حجم وسیعی از هشدارهای تولید شده ضروری و لازم میباشد. در این مقاله چهار سیستم مدیریت هشدار با تمرکز بر دستهبندی هشدارها با استفاده از راهکارهای ماشین بردار پشتیبان، الگوریتم ژنتیک، نگاشت خودسازمانده، سیستم استنتاج فازی – عصبی تطبیقی ارائه شده است که مشکل سر و کار داشتن با مقدار زیادی از هشدارها را حل میکند. در اینجا ابتدا واحدهای مشترک سیستمهای ارایه شده شامل واحد تولید هشدار، برچسب گذاری، نرمال سازی، جداسازی و پیش پردازش که در همه سیستمها با روش مشابه پیاده سازی شده اند بیان میشود و بعد از ارایه آنها واحد دسته بندی که از راهکارهای بالا جهت دسته بندی هشدار استفاده مینماید بیان میشود. در ادامه نتایج کسب شده برای هر یک از سیستمها با جهار معیار ارزیابی مشترک خطای دسته بندی، نرخ صحت دسته بندی، میانگین زمان دسته بندی هر هشدار و نرخ کاهش پیامهای هشدار اشتباه بررسی و مقایسه میگردد. قابلیتها، مزیتها و معایب هریک از سیستمها بیان میگردد. نتایج ارزیابی سیستمها نشان میدهد که سیستم پیاده سازی شده با راهکار ماشین بردار پشتیبان در مقایسه با سیستمهای دیگر میزان هشدارهای اشتباه را بسیار کاهش داده و دسته بندی هشدارها با صحت، دقت و سرعت بالایی انجام می گیرد.

کلیدواژه ها:

سیستم تشخیصنفوذ ، مدیریت هشدار ، ماشین بردار پشتیبان ، الگوریتم ژنتیک ، نگاشت خودسازمانده ، سیستم استنتاج فازی عصبی تطبیقی