ارایه روشی جدید بر پایه یادگیری خودآموز برای سیستم تشخیص نفوذ شبکه

یک سیستم تشخیص نفوذ شبکه (NIDS) به مدیران برای تشخیص نقض امنیتی شبکه در سازمان خود کمکمی کند. با این حال چالش های زیادی در تاثیرگذاری و موثر بودن NIDS برای حملات پیش بینی نشده و غیرقابلپیش بینی در حال رشد است. در این مقاله، یک رویکرد مبتنی بر یادگیری خودآموز (STL) برای پیاده سازی موثر و قابلانعطاف NIDS با استفاده از یادگیری عمیق بر پایه شبکه عصبی کانوولوشن پویا (DCNN) پیشنهاد شد. برای آزمایش وارزیابی روش پیشنهادی از مجموعه داده معیار NSL-KDD برای تشخیص نفوذ شبکه استفاده شد. همچنین، عملکردروش پیشنهادی را بر حسب دقت، بازخوانی و سنجش F با روشهای پایه مقایسه کردیم. نتایج تجربی نشان داد روشپیشنهادی از عملکرد مطلوب تری نسبت به روش پایه برخوردار است.

کلیدواژه ها:

امنیت شبکه ، تشخیص نفوذ ، یادگیری خودآموز ، یادگیری عمیق ، شبکه عصبی کانوولوشن پویا (DCNN)