ارائه راه‌کاری مبتنی بر منطق فازی جهت کاهش هشدارهای مثبت کاذب در سیستم تشخیص نفوذ

سامانه‌های پردازشی و ارتباطی چندرسانه‌ای هوشمند

مقاله 5، دوره 2، شماره 4 - شماره پیاپی 6، دی 1400، صفحه 45-50   

نوع مقاله: مقاله پژوهشی

نویسنده

محمد اخلاق‌پور^*

دانشگاه آزاد اسلامی خوراسگان، دانشکده کامپیوتر، اصفهان، ایران

چکیده

سیستم تشخیص نفوذ به‌عنوان اولین خط دفاعی برای شبکه ضروری است. الگوریتم‌های زیادی در کیفیت مجموعه داده‌‌های ارائه شده برای شناسایی نفوذ بستگی دارد. البته در تحولات اخیر در سیستم‌‌های دستیابی به مجموعه داده‌‌های دانش باعث افزایش علاقه در رویکردهای داده محور برای مهار افزایش حملات سایبری سیستم‌ کنترلی مرتبط با هشدارهای کاذب شده است. بیشتر سیستم‌‌های تشخیص نفوذ مبتنی بر یادگیری ماشین به‌‌منظور شناسایی حملات هدفمند توسط میزبان یا شبکه به برنامه‌‌های وب / سیستم عامل یا سطح شبکه متکی هستند. با این وجود، متأسفانه کمبود تحقیقات کافی در ارزیابی و جمع‌ آوری مجموعه داده‌‌های مربوط به سیستم تشخیص نفوذ برای رفتارهای هشدارهای کاذب هم‌چنان وجود دارد، که مستلزم مطالعات بیشتر در این حوزه را می‌طلبد. در این مقاله عملکرد سیستم تشخیص نفوذ، به‌‌منظور تأثیر رفتار سیستم تشخیص سوءاستفاده و هم‌چنین تشخیص ناهنجاری با استفاده از منطق فازی مبتنی بر دستگاه آلفا ارائه گردیده است. نتایج به‌دست آمده میزان دقت را تا 26/91% و تشخیص هشدارهای کاذب را تا میزان 96/90% نشان داده است.

کلیدواژه‌ها

سیستم تشخیص نفوذ؛ هشدارهای کاذب؛ شبکه‌های کامپیوتری؛ منطق فازی

مراجع

• [1] Ayodeji, Y.-k. Liu, N. Chao, L.-q. Yang, A new perspective towards the development of robust data-driven intrusion detection for industrial control systems, Nuclear Engineering and Technology (2020).
• [2] M. Krzysztoń, M. Marks, Simulation of watchdog placement for cooperative anomaly detection in Bluetooth Mesh Intrusion Detection System, Simulation Modelling Practice and Theory, (2020).
• [3] Al-Asiri, El-S. M. El-Alfy, On Using Physical Based Intrusion Detection in SCADA Systems, Procedia Computer Science 170, (2020).
• [4] Kunala, M. Dua, Attribute Selection and Ensemble Classifier based Novel Approach to Intrusion Detection System, Procedia Computer Science 167, (2020).
• [5] M. Kasongo, Y. Sun, A Deep Gated Recurrent Unit based model for wireless intrusion detection system, ICT Express, (2020).
• [6] K. Li, W. Chen, Q. Zhang, L. Wu, Building Auto-Encoder Intrusion Detection System based on random forest feature selection, Computers & Security, (2020).