تشخیص نفوذ در شبکه کامپیوتری با استفاده از الگوریتم یادگیری عمیق

چکیده مقاله

با گسترش روزافزون حملات سایبری و پیچیدگی آنها سیستم های تشخیص نفوذ مبتنی بر روش های سنتی دیگر قادر به مقابله موثر با تهدیدات نوظهور نیستند این پژوهش به بررسی کاربرد الگوریتم های یادگیری عمیق در بهبود دقت و کارایی سیستم های تشخیص نفوذ در شبکه های کامپیوتری می پردازد با تحلیل مطالعات انجام شده مشخص گردید که معماری های پیشرفته ای مانند شبکه های عصبی، کانولوشنی حافظه بلند کوتاه مدت و رمزگذار خودکار با قابلیت استخراج خودکار ویژگی های پیچیده از داده های ترافیک شبکه دقت تشخیص را به طور قابل توجهی افزایش می دهند؛ به عنوان نمونه مدل CNN با تبدیل داده های شبکه به تصویر، دقت ۸۵/۲۲ و مدل ترکیبی CNN LSTM در محیط اینترنت اشیا دقت %۹۹ را ثبت کرده اند همچنین تلفیق الگوریتم های بهینه سازی فرا اکتشافی با روش های یادگیری عمیق منجر به انتخاب بهینه ویژگی ها و کاهش ابعاد داده شده که در برخی موارد تا ۶٪ کاهش داشته و دقت تشخیص را تا ۹۹/۸٪ افزایش داده است علاوه بر این استفاده از واحدهای پردازش گرافیکی موجب افزایش چشمگیر سرعت پردازش داده های حجیم شبکه، شده به طوری که در یکی از پیاده سازی ها سرعت پردازش به ۲/۳ گیگابیت بر ثانیه رسیده است نتایج این مطالعه نشان می دهد که رویکردهای ترکیبی یادگیری عمیق با الگوریتم های بهینه سازی و سخت افزارهای تخصصی، راهکار مناسبی برای توسعه سیستم های تشخیص نفوذ کارآمد، دقیق و مقیاس پذیر در محیط های شبکه ای پیچیده است

کلیدواژه‌ها

نویسندگان

ریحانه دهقان طزرجانی

گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی یزد ایران

زهرا منگلی

گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی یزد ایران

مینا فتحی

گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی یزد ایران

ریحانه دهقان دهنوی

گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی یزد ایران

محمد امینی

گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی یزد ایران

�هقان طزرجانی، ریحانه و منگلی، زهرا و فتحی، مینا و دهقان دهنوی، ریحانه و امینی، محمد،1404،تشخیص نفوذ در شبکه کامپیوتری با استفاده از الگوریتم یادگیری عمیق،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد

ارائه‌شده در

مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد