تشخیص ناهنجاری در شبکه با استفاده از مصور سازی هشدارهای امنیتی
Abstract(in Persian; no English abstract is available)
در حال حاضر بسیاری از مدیران شبکه با انواع تجهیزات و نرم افزارهای امنیتی مواجه هستند که به تولید حجم زیادی از هشدارهای امنیتی می پردازند و تنوع این هشدارها، حجم بالای آنها و نیز گستردگی خود شبکه های سازمانی نیز باعث گردیده که نتیجه گیری و استنتاج از وضعیت امنیتی شبکه به یک چالش و نیاز مهم تبدیل شود. یکی از نیازهای عمده مدیران شبکه، آگاه شدن از وضعیت نرمال و غیر نرمال شبکه تحت مدیریت آنها می باشد تا بتوانند بر اساس این تشخیص اقدامات پیشگیرانه و یا واکنشی متناظر را انجام دهند. مصورسازی داده ها برای کمک به درک بهتر اطلاعات حجیم در منابع داده ای کاربرد دارد. لذا برقراری ارتباط با این حجم عظیم اطلاعات بصورت تحلیلی و بصری، اجازه درک بهتر و ملموس تر این مقادیر از داده ها را میدهد. هدف این تحقیق دستیابی به یک شیوه کشف ناهنجاری با بهره گیری از مصورسازی است. بسیاری از سیستمهای مصور ساز، تحلیل نمایش گرافیکی را بر عهده کاربر گذاشته که این موضوع نیز بر عملکرد و دقت این سیستم ها و نتایج حاصل از آن تاثیر خواهد گذاشت. این تحقیق بر آنست تا هر دو جنبه یعنی نمایش گرافیکی داده های ترافیکی و نیز امکان تحلیل آنها را با بهره گیری از مدل کلی سیستمهای تشخیص ناهنجاری انجام دهد.در این تحقیق ابتدا داده های ترافیکی برای ساخت مدل مرجع استفاده شده و آستانه های بالا و پایین تشخیص ناهنجاری محاسبه و ذخیره می شود. داده های عملیاتی پس از آنکه بصورت شیوه گرافیکی پیشنهادی نمایش داده شدند، شاخص تصویری آنها محاسبه شده و در بخش تحلیل با مقادیر آستانه سنجیده شده و ناهنجاری آنها تشخیص داده می شود. نتایج حاصل از ارزیابی سیستم در حالت مبتنی برآدرس مبدا دارای 81.39 درصد و حالت مبتنی بر آدرس مقصد دارای 74.41 درصد و حالت ترکیبی دارای 90.69 درصد دقت در تشخیص ناهنجاری بوده است که روش تحلیلی پیشنهادی را قابل قبول می سازد.