کنفرانس مهندسی برق ایران

صفحه اصلی / سی و چهارمین کنفرانس بین المللی مهندسی برق

ارائه روشی جهت تشخیص نفوذ در شبکه با استفاده از شبکه‌های عصبی کانولوشنی

نویسندگان :

مجتبی علی حسینی¹ مهرشاد خسرویانی² فرزانه رحمانی³

1- مؤسسه آموزش عالی مهرالبرز 2- موسسه آموزش عالی مهرالبرز 3- موسسه آموزش عالی مهرالبرز

کلمات کلیدی :

تشخیص نفوذ،شبکه‌های عصبی کانولوشنی،یادگیری عمیق

چکیده :

با توجه به پیشرفت در توسعه اینترنت و فناوری‌های ارتباطی در دهه گذشته، امنیت شبکه به عنوان یک حوزه تحقیقاتی حیاتی مطرح شده‌است. با ظهور حملات جدید به شبکه‌ها، نیاز مبرمی به روش‌های تشخیص نفوذ با سازگاری، پایداری و اثربخشی بالا، احساس می‌‌شود. در این پژوهش یک مدل تشخیص نفوذ شبکه چندکلاسه مبتنی بر شبکه‌‌های عصبی کانولوشنی ارائه شده‌است. این مدل می‌تواند به‌طور خودکار ویژگی‌های حمله که برای یافتن تهدیدات امنیتی بالقوه مفید است، را یاد بگیرد و براساس آن‌ها حملات را شناسایی کند. ابتدا مقادیر غیر‌عددی در مجموعه‌داده NSL-KDD به مقادیر عددی تبدیل می‌شوند. سپس مجموعه‌داده نرمال و به فرم تصاویر 11×11 تبدیل می‌شود که قابلیت پردازش در شبکه‌های عصبی کانولوشنی را داشته باشد. سپس مدل با استفاده از این تصاویر آموزش داده می‌شود. هم‌چنین برای غلبه بر مشکل عدم تعادل مجموعه‌داده از تکنیک SMOTE استفاده شده‌است. نتایج تجربی نشان می‌دهد که مدل تشخیص نفوذ شبکه ارائه‌شده توانسته ‌است نسبت به دیگر پژوهش‌های انجام‌گرفته در زمینه استفاده از شبکه‌های عصبی کانولوشنی دقت را به میزان 0.04%، پوشش را 1.64% و امتیازF1 را 1.37% بهبود بخشد و نسبت به دیگر الگوریتم‌های یادگیری ماشین دقت را به میزان 8.82%، پوشش را 9.48% و نرخ هشدار کاذب را 3.81% بهبود بخشد.