0% Complete
صفحه اصلی
/
ورود به سیستم
/
سوالات متداول
/
تماس با ما
صفحه اصلی
/
هفتمین کنفرانس ملی و اولین کنفرانس بین المللی محاسبات توزیعی و پردازش داده های بزرگ
خوشه‌بندی شبکه‌های نرم‌افزار محور (SDN) با تشخیص نفوذ چندگانه برای بهبود امنیت آن
Clustering software-driven networks (SDNs) with multiple intrusion detection to improve security
نویسندگان :
فتانه طاهری آشتیانی ( دانشگاه آزاد اسلامی واحد بناب )
کلید واژه ها :
سیستم تشخیص نفوذ،داده کاوی،شبکه عصبی،مجموعه داده KDD99،یادگیری عمیق
چکیده مقاله :
امروزه نوع جدیدی از معماری شبکه‌ای بنام شبکه‌های مبتنی بر نرم‌افزار (SDN) به عنوان نیاز اساسی کاربران به شمار می‌رود. که در آن تمامی تجهیزات شبکه تحت مدیریت، کنترل و هدایت یک یا چند سرور مرکزی می‌باشد. برای تامین امنیت و تشخیص ناهنجاری‌ها و کنترل جریان ترافیک در این شبکه‌ها می‌توان از سیستم‌های تشخیص نفوذ چندگانه (Multiple Intrusion Detection Systems) که دارای چندین سیستم تشخیص نفوذ جداگانه است استفاده کرد. این سیستم‌ها با ارتباط و همکاری یکدیگر ناهنجاری‌های ترافیک را تشخیص داده و می‌توانند آنرا مدیریت کنند. برای تشخیص این ناهنجاری‌ها، حجم ترافیک مورد پردازش بین این سیستم‌ها به نحوی تقسیم، خوشه‌بندی و مدیریت می‌شوند در این سیستم‌ها از روش‌های مختلفی مانند روش‌های آماری، داده‌کاوی و غیره استفاده می‌شود. شبکه‌های عصبی، درخت تصمیم، رده‌بندی مبتنی بر قانون از روش‌های داده‌کاوی به شمار می‌رود که به منظور بهبود عملکرد این سیستم‌ها و رفع محدودیت‌های روش آماری براساس قواعد استفاده شده است. که ما در این مقاله به منظور بهبود عملکرد سیستم‌های تشخیص نفوذ در تشخیص حملات، از روش مبتنی بر داده‌کاوی و در ادامه برای تشخیص حملات و جداکردن آنها، از شبکه عصبی استفاده کرده‌ایم تا در ابتدا حملات تشخیص داده شده، سپس مجموعه عملکرد آنها در طی یک حمله در یک گراف رسم می‌شود. مجموعه داده مورد استفاده در این مقاله KDD99 و شبکه عصبی مورد استفاده از نوع پیشخور می‌باشد که الگوریتم یادگیری آن Back Propagation است. مجموعه داده KDD99 دارای پنج کلاس Normal, Dos, Probe, R2L و U2L است. برای آموزش شبکه عصبی و تشخیص حمله از 10 نرون در لایه مخفی استفاده شده است، که ورودی آن شامل دنباله‌هایی از عملکرد می‌باشد. نتایج نشان می‌دهد که در الگوریتم پیشنهادی هر چقدر ضریب Target نزدیک عدد 1 باشد نشان‌دهنده خوب بودن آموزش می‌باشد، و با پیشرفت آموزش شبکه عصبی و تصحیح وزن‌ها خطا کاهش و دقت افزایش می‌یابد.
لیست مقالات این رویداد
Samin Hamayesh
