شماره ركورد كنفرانس :
4847
عنوان مقاله :
بررسي مدل‌هاي يادگيري عميق جهت تحليل حملات ترافيك شبكه
پديدآورندگان :
اسمعيل پور مهرداد esmaeilpour.mehrdad@gmail.com دانشگاه گيلان , ابراهيمي آتاني رضا rebrahimi@guilan.ac.ir دانشگاه گيلان
كليدواژه :
يادگيري عميق , تحليل ترافيك شبكه , يادگيري ويژگي‌هاي شبكه , شناسايي ترافيك , تحليل حملات شبكه
عنوان كنفرانس :
چهارمين كنفرانس ملي موضوعات نوين در علوم كامپيوتر و اطلاعات
چكيده فارسي :
به‌طوركلي بيشتر سامانه‌هاي تحليل ترافيك شبكه بر اساس ويژگي‌هاي بسته‌ها كار مي‌كنند. اين ويژگي ممكن است شماره پورت، امضاي ثابت موجود در سرآيند يا يك ويژگي آماري باشد. چالش اصلي براي تحليل ترافيك شبكه و شناسايي حملات مرتبط در روش‌هاي كلاسيك يادگيري ماشين، يافتن اين ويژگي‌ها در جريان داده‌هاست كه به‌شدت وابسته به دانش متخصصان است. در سال‌هاي اخير يادگيري ماشين با استفاده از يادگيري عمق راه خود را در ميان شاخه‌هاي مختلف مانند بينايي ماشين، تشخيص گفتار و پردازش زبان طبيعي باز كرده است. در اين مقاله روش‌هاي بهبوديافته تحليل ترافيك شبكه با استفاده از يادگيري عميق و استخراج ويژگي‌هاي شبكه با استفاده از داده‌هاي خام و روش‌هاي خودكار يا نيمه‌خودكار دسته بندي ويژگي‌ها، موردبررسي قرار مي‌گيرند. نتايج حاصل نشان مي‌دهد كه يادگيري عميق نياز به وجود متخصصان براي تحليل و شناسايي ترافيك شبكه را كاهش داده و دقت آن را بهبود مي‌بخشد.
