سیستم تشخیص نفوذ مبتنی بر مدل فازی مخفی مارکوف
چکیده
در این پژوهش کوشش شده است سیستم تشخیص نفوذی برای ترافیک انتقالی شبکه ارائه شود که با داشتن نرخ تشخیص حمله ی بالا، به نرخ مثبت کاذب پایینی دست یابد. این سیستم با نظارت بر ترافیک شبکه، به تشخیص ناهنجاری¬ها می پردازد. بدین منظور ویژگی¬های استخراج شده از یک ترافیک شبکه به وسیله ی تعدادی hmm، تحت عنوان یک گروه دسته بندی کننده، مدل سازی می شود. سپس با ادغام خروجی های حاصل از hmm های درون یک گروه، مقدار احتمالی تولید می شود. در این سیستم به هر ویژگی وزن داده می¬شود و به جای یک مقدار آستانه، از استنتاج فازی برای تصمیم گیری بین ترافیک شبکه مخرب و غیر مخرب استفاده می شود؛ بنابراین ابتدا قوانین فازی به صورت دستی و بر اساس ارزش امنیتی هر ویژگی قابل استخراج شکل می گیرند. سپس خروجی احتمالی هر یک از گروه های hmm با توجه به قوانین فازی تولیدشده، به مقادیر فازی تبدیل می شود. این مقادیر توسط موتور استنتاج فازی به کار گرفته شده و به خروجی که حاکی از مخرب و غیر مخرب بودن ترافیک انتقالی شبکه می باشد، تبدیل می گردد. آزمایش ها نشان می دهد که سیستم پیشنهادی در تشخیص حملاتی که به عنوان کاندیدای اصلی خطا می باشند به خوبی عمل می کند. همچنین معیارهای recall ,precision و f1-measure را به ترتیب با 100%، 99.38% و 99.69% میگذراند. درنهایت نرخ تشخیص حمله ی نزدیک به ۱۰۰٪ و نرخ مثبت کاذب 0.62٪ نشان می دهد که سیستم پیشنهادی نسبت به سیستم های گذشته بهبودیافته است. با توجه به نتایج این بررسی¬ها، موفقیت روش پیشنهادی بر روی پایگاه دادهkdd cup 1999 ، کاملا مشهود می باشد.