تشخيص ناهنجاري در شبكه هاي نرم افزار محور با به كارگيري ويژگي هاي ترافيكي

كارشناسي ارشد

شبكه‌هاي نرم‌افزارمحور (SDN) را مي‌توان يكي از مدرن‌ترين تلاش‌هاي محققان و مهندسان به منظور بهبود مديريت شبكه‌ها با استفاده از مجازي‌سازي كنترل و انتقال مديريت از سخت‌افزار به نرم‌افزار دانست. اگرچه SDN زمينه اي براي نوآوري هاي جديد و همچنين تجميع خدمات فراهم كرده است، ولي همين نوآورانه بودن به طور ناخواسته زمينه نفوذ و حمله را در لايه هاي جداسازي شده فراهم مي كند و نياز به استفاده از روش‌هاي تشخيص حمله را افزايش مي‌دهد. به‌طور كلي تشخيص حملات در شبكه به دو دسته تشخيص سوء‌استفاده و تشخيص ناهنجاري تقسيم مي‌شود كه اولي رفتار ناهنجار را مدل‌سازي مي‌كند و دومي به مدل‌سازي رفتار هنجار مي‌پردازد. تاكنون تشخيص ناهنجاري مبتني بر تكنيك هاي مختلفي از هوش محاسباتي از جمله شبكه هاي عصبي، سيستم-هاي فازي، محاسبات تكاملي، هوش جمعي، محاسبات نرم و سيستم ايمني مصنوعي صورت گرفته است. در اين بين سيستم‌هاي ايمني مصنوعي از جديدترين اين روش‌ها هستند كه با شبيه‌سازي يك يا چند ويژگي و عملكرد از سيستم ايمني بدن، حل مسائل پيچيده را به‌ويژه در فضاي امنيت ميسر كرده‌اند. تئوري خطر يكي از روش‌هاي پركاربرد در سيستم‌هاي ايمني مصنوعي است. راهكار پيشنهادي در اين پايان‌نامه كه به تشخيص ناهنجاري در شبكه‌هاي نرم‌افزارمحور مي‌پردازد، برپايه تئوري خطر بنا شده است و ضمن انجام بهبودهايي بر الگوريتم‌هاي موجود، به نتايج بهتري در تشخيص ناهنجاري روي دادگان به‌دست آمده از شبيه‌سازي شبكه نرم‌افزارمحور دست‌يافته است، به‌طوري كه نسبت به روش‌هاي مشابه در حوزه تئوري خطر، شاخص‌هاي دقت و مساحت زير منحني ROC را حدود 4 درصد افزايش داده است. تعريف سيگنال‌ها مبتني بر شاخص‌هاي شبكه‌هاي نرم‌افزارمحور، استفاده از سيگنال تورم در كنار ساير سيگنال‌ها و بهينه‌سازي پارامترهاي الگوريتم توسط روش تبريد شبيه‌سازي شده، ازجمله نوآوري‌هاي مورداستفاده در اين پژوهش هستند.

193362

دانشگاه علم و صنعت ايران

دكتر بابك ناصرشريف

هوش مصنوعي

دكتر احمد اكبري