سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / اولین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین

ارائه مدل ترکیبی کشف نفوذ مبتنی بر تحلیل داده‌های بزرگ و یادگیری عمیق در محیط‌های توزیع‌شده

نویسندگان :

شاهین سمیع عادل¹

1- دانشگاه آزاد اسلامی واحد نجف آباد

کلمات کلیدی :

کشف نفوذ،یادگیری عمیق،تحلیل داده‌های بزرگ،محیط‌های توزیع‌شده،امنیت سایبری

چکیده :

در این پژوهش یک مدل ترکیبی برای کشف نفوذ مبتنی بر تحلیل داده‌های بزرگ و یادگیری عمیق در محیط‌های توزیع‌شده ارائه شده است. هدف این پژوهش، طراحی و پیاده‌سازی سیستمی است که بتواند حملات سایبری را با دقت و کارایی بالا شناسایی و به آن‌ها پاسخ دهد. روش پژوهش شامل جمع‌آوری داده‌های ترافیک شبکه، پیش‌پردازش آن‌ها، استفاده از تکنیک‌های تحلیل داده‌های بزرگ نظیر Apache Hadoop و Apache Spark، و اعمال مدل‌های یادگیری عمیق مانند شبکه‌های عصبی پیچشی و بازگشتی می‌باشد. در مرحله جمع‌آوری داده‌ها، ترافیک شبکه از منابع مختلفی جمع‌آوری شده و در مرحله پیش‌پردازش، داده‌ها نرمال‌سازی و ویژگی‌های مهم استخراج شده‌اند. سپس با استفاده از تکنیک‌های تحلیل داده‌های بزرگ، داده‌ها تحلیل و الگوهای پنهان شناسایی شده‌اند. مدل‌های یادگیری عمیق شامل شبکه‌های عصبی پیچشی برای استخراج ویژگی‌های مکانی و شبکه‌های عصبی بازگشتی برای تحلیل الگوهای زمانی می‌باشند. مدل پیشنهادی با ترکیب این دو نوع شبکه عصبی، قادر به شناسایی الگوهای پیچیده و ترتیبی حملات سایبری است. ارزیابی مدل با استفاده از مجموعه داده‌های واقعی KDD Cup 99 نشان داد که مدل پیشنهادی توانسته است با دقت 98٪، نرخ کشف بیش از 95٪ و نرخ مثبت کاذب کمتر از 2٪، عملکرد بسیار خوبی در شناسایی حملات سایبری داشته باشد. این نتایج نشان‌دهنده کارایی و قابلیت اعتماد بالای مدل در محیط‌های توزیع‌شده است و می‌تواند به عنوان راه‌حلی موثر برای بهبود امنیت سایبری مورد استفاده قرار گیرد. بهبود دقت و کارایی سیستم‌های کشف نفوذ، نیازمند استفاده از تکنیک‌های پیشرفته یادگیری عمیق و تحلیل داده‌های بزرگ است که در این پژوهش به خوبی به آن پرداخته شده است. این پژوهش می‌تواند مبنایی برای تحقیقات آینده در زمینه امنیت سایبری و استفاده از روش‌های نوین تحلیل داده‌ها فراهم آورد.