تشخيص نفوذ در رايانش ابري با استفاده از شبكه ي عصبي و الگوريتم فازي ژنتيك

يكي از ضروريات مهم در محيط هاي محاسبات ابري ايجاد يك سيستم تشخيص نفوذ مي باشد. تا توانايي شناسايي حملات داخلي و خارجي را با دقت مناسب داشته باشد.بسياري از محققين استدلال كرده‌اند كه شبكه‌هاي عصبي مصنوعي مي‌توانند عملكرد سيستم‌هاي تشخيص نفوذ را هنگام مقايسه با روش‌هاي معمول بهبود بخشند. در اين پايانامه، رويكردي نوين موسوم به Fuzzy Genetic-ANN را براي امنيت در محيط ابرپيشنهاد مي‌كنيم كه بر ANN و خوشه‌بندي فازي ژنتيك مبتني بوده تا به حل مسائل پرداخته و به IDS در كسب ميزان شناسايي بالاتر، ميزان مثبت كاذب كمتر و پايداري بهتر كمك كنيم. روند كلي Fuzzy Genetic-ANN بدين شرح است: نخست تكنيك خوشه‌بندي فازي ژنتيك براي ايجاد زيرمجموعه‌هاي آموزشي مختلف مورد استفاده قرار مي‌گيرد. پس از آن، براساس زيرمجموعه‌هاي آموزشي مختلف، مدل‌هاي ANN مختلف براي ساختاربندي مدل‌هاي پايه‌اي مختلف آموزش داده مي‌شوند. در نهايت، يك ماژول تجميع كننده فازي كه يك شبكه ي عصبي جديداست ، براي جمع‌آوري اين نتايج به كار گرفته مي‌شوند. روش پيشنهادي با شبيه ساز كلودسيم و با مجموعه داده NSL-KDD ارزيابي شده است.