تشخیص نفوذ و طبقه بندی انواع حملات در رایانش ابری با استفاده از الگوریتم شبکه عصبی پس انتشار خطا

رایانش ابری منجر به تغییر دنیای فناوری اطلاعات شده است. این فناوری جدید با خدماتی چون تامین زیرساخت، هزینه نگهداری پایین، تضمین موجود بودن خدمات و داده ها، دسترسی سریع و مقیاس پذیری، توانسته است در سالیان اخیر، کاربردهای فراوانی در حوزه های مختلف داشته باشد. یکی از مباحث مهم در شبکه های رایانش ابری، مسئله امنیت در این شبکه ها است که برای مدیران سازمان، نگرانی هایی از لحاظ دسترسی های بدون مجوز فراهم نموده است. به منظور مقابله با نفوذکنندگان به شبکه های کامپیوتری، روش های متعددی تدوین شده است که روش های تشخیص نفوذ نامیده می شوند. هدف از تشخیص نفوذ این است که استفاده ی غیرمجاز، سوءاستفاده و آسیب رساندن به سیستم ها و شبکه های کامپیوتری شناسایی شود. سیستم های تشخیص نفوذ به دو شیوه تشخیص سوء استفاده یا تشخیص ناهنجاری عمل می کنند. هدف این مقاله بررسی راهکاری کارآمد برای سیستم تشخیص نفوذ شبکه در شبکه های حسگر بی سیم است. روش پژوهش پیشنهادی حاضر روشی مبتنی بر ناهنجاری است و بر اساس شبکه عصبی پس انتشار خطا تعریف شده است. در روش پیشنهادی این مقاله از شبکه عصبی پس انتشار خطا استفاده می شود تا داده های آموزشی یادگرفته شوند. نتایج بدست آمده نشان می دهد شبکه عصبی پس انتشار خطا توانسته در تشخیص نفوذ در رایانش ابری به دقت 99 درصد نسبت به سایر روش ها برسد. برای این منظور می توان از مفاهیم شبکه های عصبی در یادگیری دو کلاس رفتارهای نرمال و غیرنرمال استفاده نمود.

کلیدواژه ها:

تشخیص نفوذ ، شبکه عصبی پس انتشار خطا ، رایانش ابری