ارايه يك روش جديد با استفاده از تكنيك‌هاي داده‌كاوي براي تشخيص نفوذ به منظور دفاع در حملات سايبري

Provide a new method for intrusion detection using data mining techniques to defend cyber-attacks.

عدم توانايي در تشخيص به‌موقع حمله‌هاي سايبري از بارزترين نقاط ضعف در جنگ الكترونيك است. از اين رو، در اختيار داشتن روش‌هاي بومي و كارا در تشخيص نفوذ به شبكه‌هاي رايانه‌اي، قدرت دفاعي در برابر حملات سايبري را افزايش خواهد داد. در اين پژوهش، سيستم تشخيص نفوذ با بهره‌گيري از دانش داده‌كاوي و بر اساس تركيب روش‌هاي خوشه‌بندي و شبكه عصبي مصنوعي ارايه شده ‌است. در اين راستا، اهداف و مشخصات سيستم‌هاي تشخيص نفوذ مورد استفاده و حملات در 10 كلاس مورد ارزيابي قرار گرفت و در نهايت روش ارايه‌شده با پنج روش از روش‌هاي موجود و دو مقاله‌ي ديگر مقايسه و ارزيابي شده است. يادگيري و ارزيابي روش ارايه‌شده با استفاده از مجموعه داده‌ي آموزشي كمبريج و با بهره‌گيري از نرم‌افزارهاي Weka و Matlab صورت گرفته است. نتايج نشان مي‌دهد كه روش مقاله از نظر سه معيار Precision، Recall،F- value بهتر از ساير روش‌ها عمل مي‌كند.

Inability to timely detection of pre-engineered attacks are the most obvious weaknesses in cyber defense. The possession and efficient indigenous methods of intrusion detection in computer networks, defense against cyber attacks will increase. In this study, by using intrusion detection system based on the combination of data mining and clustering methods and artificial neural network is presented. Learning and assessment method using the training data set of Cambridge and by using software and Matlab been Weka. The results show that the three criteria of article Precision, Recall, F- value works better than other methods.