بهبود عملكرد سيستم‌هاي تشخيص نفوذ با استفاده از روش REPTree و ويژگي‌هاي موثر

ارشد

از آنجايي كه از نظر تكنيكي ايجادسيستم‌هاي كامپيوتري بدون نقاط ضعف و شكست امنيتي عملا غير ممكن است، تشخيص نفوذ در تحقيقات سيستم‌هاي كامپيوتري با اهميت خاصي دنبال مي‌شود. سيستم تشخيص نفوذ، سخت‌افزار و يا نرم‌افزاري است كه كار نظارت بر شبكه‌هاي كامپيوتري را در مورد فعاليت‌هاي مخرب و يا نقص سياست‌هاي مديريتي و امنيتي انجام مي‌دهد و گزارش‌هاي حاصله را به بخش مديريت شبكه ارائه مي‌دهد. با توجه به حجم زياد داده‌ها در شبكه‌هاي كامپيوتري علاوه‌ بر دقت تشخيص نفوذ كه هميشه داراي اهميت فراوان در سيستم‌هاي تشخيص نفوذ بوده است، زمان تشخيص نفوذ نيز از پارامتر‌هاي مهم ارزيابي سيستم‌هاي تشخيص نفوذ است. در واقع تشخيص بسياري از حملات بعد از يك بازه زماني بي‌فايده است زيرا حمله‌گر به هدف خود رسيده است. هدف از اين پايان نامه افزايش دقت نرخ تشخيص نفوذ و كاهش زمان مورد نياز براي تشخيص نفوذ در سيستم‌هاي تشخيص نفوذ مي‌باشد. براي رسيدن به اين هدف يك مجموعه داده آموزشي جديد از مجموعه داده آموزشي اصلي كه همان مجموعه داده KDD 99 مي باشد انتخاب كرده‌ايم. روش انتخاب اين مجموعه به اين صورت است كه با به دست آوردن گين اطلاعات ويژگي‌هاي موجود در مجموعه داده اصلي، به آموزش مدل با تعداد ويژگي‌هاي متفاوت از نظر گين اطلاعات پرداخته‌ايم و با توجه به نرخ تشخيص و زمان آموزش مورد نظر، تعداد ويژگي‌هاي مورد نياز براي مجموعه داده آموزشي جديد را انتخاب كرده و ديگر ويژگي‌ها را (كه داراي گين اطلاعات كمتري نسبت به ويژگي‌هاي انتخابي هستند) را حذف مي‌كنيم. براي آموزش و تست داده‌ها از درخت تصميم REPTree استفاده شده است. با استفاده از روش پيشنهادي توانستيم به زمان آموزش 34 ميكرو ثانيه بر نمونه و ميانگين نرخ تشخيص 99.8 درصد دست يابيم كه نسبت به بسياري از روش‌هاي ديگر مقدار مطلوبي است.

189230

دانشگاه علم و صنعت ايران

فناوري اطلاعات - مخابرات امن

دكتر سيد علي اصغر بهشتي شيرازي