ارایه روشی برای کشف نفوذ با استفاده از الگوریتمهای یادگیری ماشین [پايان نامه فارسي]
فرشته موسوی
| شناسگر رکورد: | ۱۶۱۳۶ |
| رشته تحصیلی: | نرم افزار |
| عنوان: | ارایه روشی برای کشف نفوذ با استفاده از الگوریتمهای یادگیری ماشین |
| نويسنده: | فرشته موسوی |
| استاد راهنما : | دکتر احسان اخترکاوان |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۸ |
| چکیده: | مراکز دادههای بزرگ، دادههای زیادی را ذخیره و انتقال میدهند. برای بررسی این که ترافیک شبکه حاوی نفوذ نباشد، یک سیستم تشخیص نفوذ باید استفاده شود. این سیستم دادهها را تجزیه و تحلیل کرده و در صورت تشخیص نفوذ، هشدار صادر میکند. پردازش همه ی دادههای شبکه به دلیل ترافیک زیادی که مراکز داده دارند، دشوار است. راه حل این مشکل استفاده از جریانهای IP است. جریانهای IP از بستههای داده، جمع آوری میشوند اما شامل دادههای payload نمیشوند. در این پایان نامه شرح میدهیم که کدام حملهها میتوانند کشف شوند و جریانIP چگونه میتواند برای کشف نفوذ استفاده شود. اگر یک سیستم کشف نفوذ بتواند به صورت اتوماتیک اجرا و حملهها را با احتمال بالا پیدا کند؛ میتواند از لحاظ اقتصادی مقرون به صرفه باشد. بدین منظور از یادگیری ماشین میتوان بهره برد. یادگیری ماشین نوعی هوش مصنوعی است که به برنامهها قابلیت آموختن و کشف الگوهای درون داده را میدهد. دراین پایان نامه مفاهیم یادگیری ماشین و الگوریتمهایی مانند ماشینهای بردار پشتیبان و k نزدیکترین همسایه را شرح داده و این که چگونه این الگوریتمها میتوانند در سیستمهای کشف نفوذ استفاده شوند را بررسی میکنیم. این الگوریتمها با استفاده از منحنیهای یادگیری و F-scores روی مجموعه دادههای متفاوت که شامل دادههای آموزشی برچسب دار و بدون برچسب بودند، ارزیابی شدند. در این ارزیابی متوجه شدیم که الگوریتمهای یادگیری با نظارت، پیش بینیهای دقیق تری در مقایسه با الگوریتمهای بدون نظارت میدهند. K همسایه نزدیکتر، بهترین نتیجه را در میان الگوریتمهای با نظارت آزمایش شده را داشت. نتایج نشان میدهد که یادگیری ماشین گزینه مناسبی برای بهبود عملکرد این سیستمها میباشد. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| مهندسی نرم افزار | |
| یادگیری ماشین | |
| کشف نفوذ | |
| کشف نفوذ با یادگیری ماشین |
جهت ثبت نظر با حساب کاربری تان وارد شوید