امیر بساطی - دانشکده مهندسی برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
محمدمهدی فقیه - دانشکده مهندسی برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
علی محمد افشین همت یار - دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف تهران

سیستم تشخیص نفوذ IDS، نقش مهمی در راستای تامین امنیت در شبکه های کامپیوتری برعهده دارد. امروزه با افزایش تعاملات و رشد شبکه های کامپیوتری نیاز به پیاده سازی امنیت بر بستر شبکه بیشتر از قبل احساس می شود. لذا به یک سیستم تشخیص نفوذ که بتواند با دقت بالا بر بستر شبکه، ترافیک را آنالیز و حملات را تشخیص دهد. نیاز است. در این مقاله سیستم تشخیص نفوذ مبتنی بر شبکه های کامیپوتری با استفاده از خودرمزگذار نامتقارن NAE با الگوریتم دسته بند ماشین بردار پشتیبان SVM ، به نام مدل NDAES ارایه می شود. از ساختار، NAE برای یادگیری ویژگی ها و از SVM برای تسته بندی حملات استفاده می شود. ساختار NDAES بر روی پلتفرم keras پیاده سازی و بر روی دیتاست های kddcup.۹۹ و NSL-KDD تست و ازمایش شده است. آزمایشات انجام شده نشان می دهد که مدل پیشنهادی ما، حملات بالقوه در شبکه را بخوبی شناسایی و از دقت خوبی برخوردار می باشد.

امنیت شبکه های کامپیوتری، سیستم تشخیص نفوذ، خودرمزگذار، شبکه عصبی، یادگیری عمیق، kdd