تشخیص ناهنجاری در ترافیک شبکه با استفاده از سامانه توزیع شده مبتنی بر سیستم های چندعامله خودسازمانده

امروزه چالش های حوزه امنیت اطلاعات و ارتباطات بسیار مورد توجه محققین است. گسترش مرزهای شبکه، افزایش و پیچیدگی حملات امنیتی شبکه، نیاز به وجود سامانه های هوشمند، خودکار و بی درنگ کشف ناهنجاری و تهدیدات شبکه را دوچندان نموده است. برای کشف ناهنجاری، لازم است ترافیک شبکه به صورت بی درنگ مورد پایش قرار گیرد. ناهنجاری شامل تغییرات قابل توجه و غیرمعمول رفتار ترافیک شبکه در مقایسه با الگوهای رفتار نرمال آن است. در این مقاله به منظور کشف ناهنجاری، یک سامانه مبتنی بر سیستم های چندعامله خودسازمانده ارائه شده است. سیستم های چندعامله از عامل هایی که با یکدیگر برای رسیدن به هدف مشخصی تعامل دارند تشکیل شده اند. از این سیستم ها برای حل مسائلی استفاده می شود که حل آن برای یک عامل و یا به صورت یکپارچه مشکل است. معماری سامانه پیشنهادی مقیاس پذیر است و می تواند خود را با تغییرهای شبکه های امروزی وفق دهد. ارزیابی و تحلیل انجام شده روی سامانه پیشنهادی در مجموعه-داده NSL-KDD، نشان می دهد نرخ کشف ناهنجاری در ترافیک شبکه در مقایسه با روش های مطرح اخیر بهبود یافته است. همچنین با پیشنهاد الگوریتم هایی برای بهینه کردن انتخاب عامل ها و تعیین وزن تصمیم به طور هوشمند برای عامل ها، علاوه بر افزایش نرخ تشخیص ناهنجاری، زمان تحلیل رخدادها نیز کاهش داده شده است.