طراحي يك مدل شبكه عصبي براي طبقهبندي، شناسايي و پيشگويي انواع جرائم سايبري

در حيطه جرمشناسي سايبري، مدلها و راهكارهايي براي تسريع كشف و كاهش وقوع جرائم ارائهشده است. شبكه عصبي به دليل برخورداري از پشتوانه علمي و دانش رياضي، اخيراً توجه بسياري از جرمشناسان را به خود جلب كرده است. در اين مقاله از بانك اطلاعاتي KDD كه شامل انواع جرائم سايبري و مشخصههاي وقوع هر يك از آنها ميباشد، براي دستهبندي و تشخيص شيوههاي ارتكاب جرائم استفادهشده است و پيشبيني جرائم سايبري توسط شبكههاي عصبي مصنوعي چندلايه پرسپترون ) MLP ( انجامشده است. در اين مدل، رفتار مجرم و روابط بين دادههاي پيچيده مرتبط با جرم بررسي و تحت عنوان حملات و جرائم سايبري در 5 گروه اصلي شامل حملات نرمال، DOS ، U2L ، R2L و Probing با 42 نوع ويژگي حمله سايبري طبقهبنديشده است. درنهايت بعد از ورود اطلاعات و دادههاي لازم به سيستم، پاسخي مبني بر اينكه حمله صورت گرفته يا نه و در صورت وجود حمله تشخيص نوع حمله انجام ميپذيرد. درواقع تحليل رفتار و روشهاي بكار رفته توسط هكر در حين ارتكاب جرم بهعنوان كليد اصلي فرآيند كشف و انتساب جرم و شناسايي آن در اين پژوهش به شمار ميرود. با توجه به نتايج شبيهسازيها مشاهده ميشود كه سيستم هوشمند پيشنهادي ميتواند در تشخيص و پيشبيني جرائم سايبري كارآمد و مفيد واقع شود.