چکیده مقاله
در عصر حاضر و با رشد فزاینده تهدیدات سایبری، توسعه راهکارهای هوشمندانه جهت مقابله با نفوذ در شبکه ها اهمیت ویژهای یافته است تولید دستی امضاها برای سامانههایی مانند Snort چالشهایی از جمله کندی، دقت پایین و عدم توانایی بهروزرسانی سریع را دارد پژوهش حاضر به معرفی ابزار خودکار مبتنی بر شبکه عصبی عمیق برای تولید امضاهای جدید Snort می پردازد ابزار پیشنهادی با بهره گیری از داده های ترافیک شبکه و الگوریتم های یادگیری عمیق و خوشه بندی SVM بهینه شده مدل تولید امضا را خودکارسازی و ارزیابی کرده است نتایج پیاده سازی در داده های آزمایشگاهی و عملیاتی نشاندهنده بهبود دقت، سرعت و کاهش مثبت و منفی کاذب نسبت به روش های سنتی است این پژوهش برگرفته از پایان نامه کارشناسی ارشد نویسنده است
کلیدواژهها
نویسندگان
مازیار کریمی
دانشجوی کارشناسی ارشد، مهندسی نرمافزار، موسسه آموزش عالی پیشتازان، شیراز، ایران
سعید مهرجو
استادیار، مهندسی نرمافزار، موسسه آموزش عالی پیشتازان، شیراز، ایران
شیوه ارجاع
کریمی، مازیار و مهرجو، سعید،1404،توسعه ابزار خودکار تولید امضاهای Snort برای سیستم های تشخیص نفوذ با استفاده از شبکه عصبی عمیق،ششمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات ششمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات20 اردیبهشت 1404 · مشهد