افزایش سرعت شناسایی بدافزار با استفاده از شبکه عصبی براساس انتخاب ویژگی
افزایش سرعت شناسایی بدافزار با استفاده از شبکه عصبی براساس انتخاب ویژگی
فاطمه فرهمند1 سید جواد میرعابدینی2
1) دانشجوی کارشناسی ارشد ،دانشگاه آزاد اسلامی، واحدعلوم وتحقیقات بوشهر
2) استاد یار،دانشگاه آزاد اسلامی، واحد تهران مرکزی
کد IOI مقاله
:
XYCC-ABGFA
محل انتشار :
کنفرانس بین المللی علوم و مهندسی(icesconf.com)
چکیده :
با توجه به گسترده شدن تلاشهای مهاجمان برای دسترسی به اطلاعات محرمانه و مهم کاربران و بکارگیری تکنیک های مختلف در جهت ساخت بدافزارهایی که بالاترین میزان گریز از تشخیص دهنده را دارا هستند، برنامه نویسان نیازمند تکنیکهای تشخیص به روز و کارامدی هستند که بر روشهای مبهم سازی پیچیده و جدید مهاجمان غلبه کرده و بدافزارها را شناسایی نمایند. در این راستا بسیاری از تحقیقات تاکید بر قدرت شبکههای عصبی در بهبود کارایی این مسئله، تشخیص نفوذ شبکه، دارند. در این تحقیق قصد بر اینست تا روشی کارآمد به منظور افزایش دقت و عملکرد سیستم با استفاده از شبکه عصبی ارائه دهیم. این بهبود بواسطه استفاده از تکنیکهای انتخاب ویژگی انجام میگیرد. آزمايش و ارزيابي مدل ارائه شده بر روي مجموعه دادههاي NSL-KDD که نسخه اصلاح شده KDD- CUP99 ، حاکی از آن است که مدل پیشنهادی عملکرد قابل توجهی در افزایش دقت و بازخوانی تشخيص حملات داشته و سرعت شناسایی بدافزار را افزایش می دهد.
کلمات کلیدی : شبکه عصبی انتخاب ویژگی الگوریتم ژنتیک تشخیص نفوذ