شناسايي جريان‌هاي مخرب در شبكه با به‌كارگيري اجماع

مقوله امنيت در شرايط جديد جهاني ابعاد متفاوتي پيدا كرده است. يكي از حوزه‌هاي امنيتي كه در شرايط جديد جهاني بسيار مورد اهميت قرار گرفته است، حوزه امنيت سايبري است. در اين تحقيق براي مطالعه بر روي حملات ناشناخته دو هاني‌نت آزمايشگاهي مجازي در دو مكان مختلف طراحي شده و همچنين از ساير مجموعه داده‌هاي علمي استفاده گرديده است. در داده‌هاي شبكه‌اي، مشكل داده‌هاي نامتوازن اغلب اتفاق مي‌افتد و موجب كاهش كارايي در پيش‌بيني براي رده‌‌هايي كه در اقليت هستند، مي‌گردد. در اين مقاله براي حل اين مشكل، از روش‌هاي يادگيري جمعي استفاده گرديده است تا بتوان مدلي خودكار ارائه نمود كه با استفاده از فنون مختلف و با استفاده از يادگيري مدل، حملات شبكه به‌ويژه حملات ناشناخته را شناسايي نمايد. روش‌هاي جمعي، بسيار مناسب براي توصيف مشكلات امنيتي رايانه‌اي مي‌باشند زيرا هر فعاليتي كه در سيستم‌هاي رايانه‌اي انجام مي‌گيرد را مي‌توان در سطوح چند انتزاعي مشاهده كرد و اطلاعات مرتبط را مي‌توان از منابع اطلاعاتي چندگانه جمع‌آوري نمود. روش تحقيق بر اساس تحليل‌هاي آماري جهت برسي ميزان صحت و درستي نتايج و ميزان اتكاپذيري آن‌ها صورت گرفته است. در اين مرحله به‌كمك فنون و آزمايش‌‌هاي آماري نشان داده شده كه عملكرد الگوريتم طراحي شده با رأي‌گيري وزني پيشنهادي بر اساس الگوريتم ژنتيك نسبت به دوازده طبقه‌بند ديگر بهتر مي‌باشد.