ارائه یک مدل بهینه یادگیری عمیق جهت تشخیص ناهنجاری در شبکه های مبتنی بر جریان

چکیده مقاله

همگام با توسعه اینترنت و افزایش روز افزون کاربران، محافظت از داده ها در برابر تهدیدات امنیتی مسئله بسیار جدي محسوب میشود و سیستم هاي تشخیص نفوذ، نقش مهمی در تضمین امنیت اطلاعات دارد در این مقاله مدلی کارآمد بر مبناي یادگیري عمیق با هدف بهبود دقت و سرعت تشخیص ناهنجاري در شبکه هاي مبتنی بر جریان ارائه شده است به دلیل اهمیت ترتیب داده ها در ترافیک شبکه از شبکه هاي عصبی بازگشتی RNN استفاده شده تا ترتیب داده ها حفظ شوند الگوریتم هاي RNN RNN DGRU و DLSTM ،SimpleRNN است به منظور استفاده از داده هاي جریانیِ شبکه هايِ متفاوت، از مجموعه داده هاي NSL KDD استفاده شده تا به کمک آن عملکرد مدل ارز ی ابی شود همچن ین عملکرد مدل با روش هاي سنتی یادگیري ماشین که شامل درخت تصمیم Random Forest و Naïve Bayes ،SVM ،J48 مقایسه شده است در نهایت با مقایسه روشهاي موجود و نتایج به دست آمده مدل DGRU RNN عملکرد بهتري دارد

کلیدواژه‌ها

نویسندگان

سحر زمانیان

موسسه آموزش عالی پیشتازان شیراز

رضا جاویدان

دانشگاه صنعتی شیراز

حامد حداد پژوه

دانشگاه صنعتی شیراز

�مانیان، سحر و جاویدان، رضا و حداد پژوه، حامد،1399،ارائه یک مدل بهینه یادگیری عمیق جهت تشخیص ناهنجاری در شبکه های مبتنی بر جریان،یازدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات یازدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات27 آذر 1399 · بابل