واكاوي تأثير بهره‌گيري از روش‌هاي نوين شبكه عصبي مصنوعي براي سيستم تشخيص نفوذ در امنيت سايبري

Analyzing the effect of using new methods of artificial neural network for intrusion detection system in cyber security

با گسترش و فراگيرشدن شبكه‌هاي كامپيوتري تمايل نفوذ به اين سيستم‌ها با انگيزه‌هاي مالي سياسي و نظامي نيز بيشتر شده است و افراد سودجو با دسترسي به اطلاعات مهم مراكز خاص يا اطلاعات افراد ديگر و يا قصد اعمال‌نفوذ يا اعمال فشار و يا حتي به‌هم‌ريختن نظم سيستم‌ها، عمل تجاوز به سيستم‌هاي كامپيوتري را در پيش گرفته‌اند به همين خاطر شناسايي نفوذ به يك روش بسيار مهم براي امنيت شبكه‌ها و سيستم‌هاي كامپيوتري، پديدار گشت. هدف از اين تحقيق ارائه روشي جهت مقابله با حملات در قالب سيستم‌هاي تشخيص نفوذ در شبكه‌هاي كامپيوتري است تا از طرفي امنيت كاربران شبكه از قبيل بانكه‌اي اطلاعاتي شركت‌ها، سازمان‌ها و حتي كاربران خانگي را تأمين كند، و از طرف ديگر زمينه‌اي براي ادامه تحقيق ساير محققان شود. يكي از روش‌هاي مطرح امروزي براي پياده‌سازي سيستم‌هاي تشخيص نفوذ استفاده از تكنيك‌هاي هوش مصنوعي است كه با پيش‌پردازش داده‌ها و تركيب الگوريتم‌ها، باعث بهبود عملكرد سيستم‌هاي تشخيص نفوذ شده است. در اين تحقيق از الگوريتم شبكه‌هاي عصبي مصنوعي و روش بهينه‌سازي شبيه‌سازي تبريد، جهت بهبود تصميم‌گيري و تشخيص حملات استفاده خواهد شد. نتايج حاصل از ارزيابي بيانگر بهينه‌تر بودن روش تركيبي از شبكه عصبي مصنوعي و تبريد شبيه‌سازي شده، در پارامترهاي مختلف از جمله نرخ صحت، ميزان حساسيت و همچنين تابع اختصاصي‌بودن نسبت به راهكارهاي NBtree وC4.5مي‌باشد. با مقايسه پارامترها اين نتيجه حاصل گرديد كه از طريق بهره‌گيري از راهكار تركيبي از شبكه عصبي مصنوعي و تبريد شبيه‌سازي شده، توانسته ايم بخوبي پارامترهاي اصلي جهت تشخيص نفوذ در شبكه را بهينه نماييم بطوريكه با حداكثر دقت بتوان عمليات تشخيص نفوذ را به كمك شبكه‌هاي عصبي كه توسط الگوريتم تبريد شبيه‌سازي شده بهينه گرديده است، انجام داد.