استفاده از الگوریتم سیستم ایمنی مصنوعی با رویکرد وب کاوی در تشخیص آنومالی وب
Abstract(in Persian; no English abstract is available)
در این پژوهش، یک الگوریتم مقاوم و کارا در به نام hidais برای تشخیص نفوذ داده های دسترسی وب ارائه شده است. کاربردی که سیستم پیشنهادی برای آن طراحی شده است بسیار چالش برانگیز است زیرا سایز وب (منبع داده) بسیار بزرگ است و نویز در اطلاعات وب بسیار زیاد و مفاهیم در حال تغییرند. الگوریتم پیشنهادی سیستمی بدیع که از سیستم ایمنی طبیعی الهام گرفته است و بر اساس اصول این سیستم عمل می کند و قادر است رفتارهای نرمال و غیر نرمال کاربر را دنبال کند و به خاطر بسپارد. به طور کلی نتایج این پایان نامه حاکی از قابلیت مناسب سیستم های ایمنی مصنوعی در تشخیص نفوذ می باشد. بخش مهمی از قابلیت آن عملکرد خوب آن در محیط پویا همچون وب است. از دیگر مزیت های سیستم تشخیص نفوذ ارائه شده در کنار هم آوردن دو مفهوم سیستم ایمنی ذاتی و وفق پذیر است. با ترکیب دو روش تئوری خطر (ایمنی ذاتی) و شبکه ایمنی (ایمنی وفق پذیر) مانند سیستم ایمنی طبیعی که از هر دو ایمنی بهره گرفته است توانسته این مفهوم طبیعی را شفاف تر در سیستم تشخیص نفوذ جای دهد. همانطور که در سیستم ایمنی طبیعی، سیستم ایمنی ذاتی اولین لایه دفاعی بدن در مقابل مهاجمان خارجی است. در الگوریتم پیشنهادی هم تئوری خطر به عنوان اولین لایه دفاعی جای گذاری شده است و شبکه ایمنی به عنوان سیستم وفق پذیر در لایه بعدی قرار گرفته است. نکته مهم دیگر در طراحی الگوریتم، استخراج اطلاعات با یک بار عرضه داده های ورودی است. دقیقاً مانند سیستم ایمنی طبیعی که در یک دوره زیستی موجودات طبیعی، برای مبارزه با آنتی ژن ها وفق پیدا می کند. معنی یک بار عبور از داده ها در الگوریتم ارائه شده این است که حلقه تکرار روی داده های ورودی وجود ندارد و با یک بار برخورد با یک داده ورودی الگوریتم می تواند اطلاعات درون داده را خلاصه و در خود حفظ کند. بنابراین الگوریتم زمان اجرای مناسبی برای کاربردهای بلادرنگ دارد که اکثر قریب به اتفاق کاربردهای موجود که از اطلاعات خروجی الگوریتم ارائه شده استفاده می کنند، کاربردهای بلادرنگ هستند.نحوه نمایش جدید دیتا و تابع شباهت انتخاب شده موجب شده که الگوریتم دارای سرعت اجرای قابل قبولی باشد. در شبکه ایمنی (ایمنی وفق پذیر) سلول هایb شبکه یک نسخه ی خلاصه شده از آنتی ژن هایی هستند که به شبکه ارائه شده اند. همچنین آن ها توانایی تطبیق با آنتی ژن جدید در هر زمان را دارند. نتایج به دست آمده بیانگر توانایی سیستم مصنوعی در یادگیری و وفق پذیری را نشان می دهد و سیستم تشخیص نفوذ پیشنهادی قادر به شناخت حملات ناشناخته و جدید می باشد و رفتار غیر عادی را می تواند به صورت بلادرنگ شناسایی کند. این سیستم می تواند به عنوان کلاس بند عام برای طبقه بندی و گروه بندی استفاده شود.