توسعه یک شبکه عصبی غیرنظارتی جهت استفاده در سیستمهای تشخیص نفوذ

حضور فناوری اطلاعات در عرصه های کسب و کار شرکت ها و سازمان ها سبب افزایش درآمد و رونق بازار و ارائه خدمت های سریع تر و با کیفیت تر شده است. در دهه 90 میلادی سرمایه گذاری های و سیعی در صنعت فناوری اطلاعات جهت ارائه خدمات بر روی بستر شبکه و اینترنت انجام گرفت. هر چه سامانه ها و سیستم های رایانه ای گسترش بیشتری یافت علاقه و انگیزه رخنه گران برای دسترسی به اطلاعات بیشتر شد تا جایی که منجر به انجام حملات خطرناکی بر علیه برخی سازمان ها و شرکت ها گردید. با رشد فناوری، ایده ایجاد یک سیستم امنیتی که قابلیت کنترل اتفاقات در حال انجام و مبارزه علیه تهدیدات را داشته باشد مطرح گردید. با پیشرفت دانش در حوزه شبکه های عصبی، سیستم های امنیتی تشخیص نفوذ به سمت هوشمند شدن حرکت کردند به طوری که با ترکیب مدل ها و روش های مختلفی نظیر طبقه-بندی رفتار بسته های اطلاعاتی به هنجار و غیر هنجار و آموزش شبکه عصبی امکان تحلیل و پایش داده های ورودی به سیستم فراهم گردید. هدف اصلی روش های تشخیص نفوذ همواره کاهش میزان خطا و افزایش نرخ شناسایی حملات بوده است. در این راستا دو نوع روش شناسایی پایه برای سیستم های تشخیص نفوذ پیشنهاد شده است: تشخیص مبتنی بر سوء استفاده و تشخیص مبتنی بر ناهنجاری، که به تفصیل در این پژوهش مزایا و معایب هر یک مورد بررسی قرار گرفته و در نهایت با بیان نقاط ضعف شبکه عصبی som که از پرکاربردترین و متداول ترین شبکه های عصبی مورد استفاده در سیستم های تشخیص نفوذ مبتنی بر تشخیص ناهنجاری می باشد، به منظور ارتقای کارآیی سیستم های تشخیص نفوذ شبکه، در قالب دو زیر سیستم مستقل برای اولین بار یک روش ترکیبی با استفاده از شبکه عصبی غیر نظارتی art1 و درخت تصمیم c5.0 پیشنهاد و پس از پیاده سازی ارزیابی شده است.