ارتقاي امنيت محاسبات ابري با استفاده از روش هاي تركيبي چارچوب تشخيص نفوذ لايه اي و شبكه عصبي

در اين مقاله امنيت محاسبات ابري با استفاده از چارچوب تشخيص نفوذ لايه اي و شبكه عصبي ارتقا مي يابد. به منظور رسيدگي به ترافيك دسترسي در يك شبكه بزرگ و كنترل داده ها و برنامه هاي كاربردي در ابر محاسباتي ، چارچوب تاثير پذيري به نام چارچوب تشخيص نفوذ لايه اي ارائه شده كه بر روي لايه ها و طبقات مختلف ابر محاسباتي قابل استفاده بوده و بوسيله آن مي توان وجود ترافيك نرمال در ميان ترافيك ابري را شناسايي نمود. براي افزايش دقت و سرعت نيز از چارچوب داده كاوي شبكه عصبي مصنوعي استفاده شده است. چارچوب تشخيص نفوذ لايه اي مي تواند ميزان ترافيك آناليز شده را كاهش داده و با افزايش توان عملياتي به عملكرد بهتري برسد. تا كنون پژوهشهاي زيادي براي افزايش دقت مربوط به يافتن ترافيكهاي مخرب صورت گرفته است كه با توجه به محدوديتهاي موجود ، هنوز اين سيستمها در يافتن ترافيك مخرب دچار مشكل هستند. در اين پژوهش سعي شده است در ابتدا با استفاده از ماژول ارائه شده براي نظارت شبكه ، ترافيك شبكه به صورت بلادرنگ دريافت شود تا بتوان به صورت برخط ، ترافيك را نظارت و سپس با استفاده از هفده ويژگي استخراجي از ترافيكهاي مختلف و شبكههاي عصبي ، مسئله طبقهبندي را صورت داد. بنابراين در اين چارچوب علاوه بر نظارت بلادرنگ ترافيك موجود با استفاده از نرمافزارهاي نظارت شبكه ، از هفده ويژگي استفاده شده است كه دو ويژگي از آن براي اولين بار مورد استفاده قرار گرفته كه سبب بالا رفتن امنيت محاسبات ابري و جلوگيري از نفوذ اخلالگران مي شود.