شماره ركورد كنفرانس :
4041
عنوان مقاله :
ارائه روشي جديد بر پايه يادگيري خودآموز براي سيستم تشخيص نفوذ شبكه
عنوان به زبان ديگر :
A novel method based on self-taught learning for network intrusion detection system
پديدآورندگان :
دامي سينا sina.dami@gmail.com دانشگاه آزاد اسلامي واحد تهران غرب; , قاسم نژاد اكرم ghasemnezhadakram@gmail.com دانشگاه آزاد اسلامي واحد تهران غرب;
كليدواژه :
امنيت شبكه , تشخيص نفوذ , يادگيري خودآموز , يادگيري عميق , شبكه عصبي كانوولوشن پويا (DCNN)
عنوان كنفرانس :
سومين كنفرانس ملي فناوري در مهندسي برق، كامپيوتر
چكيده فارسي :
يك سيستم تشخيص نفوذ شبكه (NIDS) به مديران براي تشخيص نقض امنيتي شبكه در سازمان خود كمك مي‌كند. با اين حال چالش‌هاي زيادي در تاثيرگذاري و موثر بودنNIDS براي حملات پيش بيني نشده و غيرقابل پيش‌بيني در حال رشد است. در اين مقاله، يك رويكرد مبتني بر يادگيري خودآموز (STL) براي پياده سازي موثر و قابل انعطاف NIDS با استفاده از يادگيري عميق بر پايه شبكه عصبي كانوولوشن پويا (DCNN) پيشنهاد شد. براي آزمايش و ارزيابي روش پيشنهادي از مجموعه داده معيار NSL-KDD براي تشخيص نفوذ شبكه استفاده شد. همچنين، عملكرد روش پيشنهادي را بر حسب دقت، بازخواني و سنجش F با روش‌هاي پايه مقايسه كرديم. نتايج تجربي نشان داد روش پيشنهادي از عملكرد مطلوب‌تري نسبت به روش پايه برخوردار است
