چکیده مقاله
تکنیک های تشخیص ناهنجاری شبکه به طور گسترده ای در حوزه امنیت شبکه های توزیع هوشمند به کار گرفته شده اند، با این حال، هنوز در مواجهه با حملات پیچیده شبکه با چالش های متعددی روبرو هستند انجام پژوهش بر روی روش های کارآمد تشخیص ناهنجاری شبکه برای امنیت و پایداری شبکه های توزیع هوشمند از اهمیت بالایی برخوردار است به دلیل مشکلاتی نظیر نیاز به استخراج ویژگی های گسترده و مدیریت ضعیف داده های نامتوازن که منجر به نرخ تشخیص پایین و نرخ هشدار کاذب بالا می شود، این مقاله روشی را برای تشخیص ناهنجاری شبکه با ادغام خودرمزگذارها Autoencoders پیشنهاد می دهد در ابتدا، از تکنیک نمونه برداری بیش از حد اقلیت مصنوعی SMOTE برای گسترش نمونه های کلاس های اقلیت در ناهنجاری های شبکه استفاده شده است که مشکل توزیع نامتوازن داده ها را حل کرده و مجموعه داده متعادل تری را شکل می دهد سپس، از خودرمزگذارها برای کاهش ابعاد داده و حذف نویز استفاده می شود تا ضمن حفظ اطلاعات ضروری داده ها، دقت تشخیص ناهنجاری افزایش یابد در نهایت، یک مدل شبکه IDS CNN بهبودیافته با تنظیم ساختار لایه های کانولوشنی و ادغامی Pooling و ترکیب آن با شبکه BiLSTM چندلایه توسعه یافته است که موجب ارتقای توانایی تشخیص و اثرات طبقه بندی برای ناهنجاری های شبکه می گردد به منظور تایید عملکرد روش پیشنهادی، آزمایش هایی بر روی مجموعه داده های NSL KDD و CICIDS۲۰۱۷ انجام شده است در مقایسه با روش های رایج، نرخ تشخیص رفتارهای غیرطبیعی شبکه در روش پیشنهادی ۱ ۳۲ درصد بهبود یافته است که از دقت تشخیص بالایی برخوردار است
کلیدواژهها
نویسندگان
محمد رضا لشکری
۱ دانشجوی ارشد، دانشکده فنی و مهندسی ، دانشگاه قم
مصطفی لشکری
۲ دانشجوی ارشد، دانشکده فنی و مهندسی ، دانشگاه بین المللی امام خمینی قزوین
محمد مهدی گوهری
۳ دانشجوی ارشد، دانشکده مدیریت، دانشگاه پیام نور کرج
شیوه ارجاع
لشکری، محمد رضا و لشکری، مصطفی و گوهری، محمد مهدی،1404،روش تشخیص ناهنجاری برای شبکه های توزیع هوشمند با استفاده از خودرمزگذارها،بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک28 بهمن 1404 · شیروان