چکیده

تشخیص نفوذ در تحقیقات سیستمهای کامپیوتری با اهمیت خاصی دنبال میشود و برای کمک به مدیران امنیتی سیستم در جهت کشفنفوذ و حمله به کار گرفته میشود. اهمیت تشخیص ناهنجاری ناشی از این واقعیت است که ناهنجاری در دادهها به اطلاعات مهم قابل استفاده درمجموعهی گستردهای از حوزههای کاربردی میباشد. روشهای تشخیص نفوذ در بسیاری از دامنههای کاربردی مورد استفاده قرار میگیرند و هردامنه نیازمند روش متفاوتی است. در این پژوهش نیز روشی برای بهبود تشخیص نفود در شبکههای رایانهای با استفاده از دادههای جریانی مبتنیبر شبکه عصبی ارائه میشود. برای ارائه روش پیشنهادی از شبکه OeSNN-UADاستفاده شده و دارای لایههای ورودی و خروجی است که یکنورون خروجی کاندید را برای هر کدام از دادههای جدید تولید کرده میکند. لایه ورودی این شبکه حاوی GRFو نورونهای ورودی که GRFهابرای فیلتر کردن دادههای ورودی استفاده شدهاند. در روش پیشنهادی از الگوریتم ELMبرای بهبود روند یادگیری شبکه OeSNN-UADاستفادهشده و این الگوریتم با قرارگیری مابین لایه ورودی و خروجی در شبکه OeSNN-UADارتباط بین این دولایه را بهبود داده است. شبیهسازی روشپیشنهادی در نرمافزار MATLABانجام شد. در آزمایش اول تأثیر ELMدر روش پیشنهادی بر اساس معیارهای دقت، بازخوانی، نمره MCC ، BA،Fروی دستهبندی دادههای مورد بررسی قرار گرفت و در آزمایش دوم تأثیر اندازه پارامتر Wsizeبر عملکرد نهایی روش پیشنهادی بررسی شد که نتایجبهینه مطلوبی نتیجه داد.

کلمات کلیدی:  تشخیص نفوذ، شبکه روش یادگیری ماشین افزایشی، شبکه های عصبی spiking در حال تکامل آنلاین و الگوریتم ELM.

معصومه شیری¹، ناصر مدیری*^2
1دانشجو کارشناسی ارشد – مهندسی کامپیوتر گرایش نرم افزار ، دانشگاه آزاد اسلامی واحد زنجان – زنجان – ایران

²استادیار-عضو هیات علمی- دانشگاه آزاد اسلامی واحد زنجان – زنجان – ایران

دانلود مقاله