ارائه روشی نوین جهت امنیت و ردیابی رخنه در شبکه با یادگیری ماشین

در انقلاب عصر جدید بستر زیرساخت شبکه ها شکل مدرن تری نسبت به گذشته خود گرفته است و رخنه دراین شبکه ها هم به موازات رشد کرده است با توجه به آسیب پذیری های کشف شده، برای داشتن امنیت درشبکه ها علاوه بر فایروال ها و دیگر تجهیزا ت جلوگیری از نفوذ شبکه ای، سامانه های ردیابی رخنه موردنیازاست که هدف این سامانه ها تشخیص رخنه و نظارت بر فعالیت ها ی عادی و به دور از طبیعی و غیرطبیعی درشبکه است، بنابراین یک سامانه ردیابی رخنه زمانی کارای مناسب خود را، در شبکه دارد که هم نرخ تشخیصرخنه بالایی داشته باشد و درعین حال درصد هشدار اشتباه پایین داشته باشد و خللی در کارکرد شبکه نداشتهباشد، پیشگیری و مقابله با رخنه ها در قرن حاضر حائز اهمیت است و همه ما تقریبا اثرات مخرب آ ن را به خوبیلمس کرده ایم از لو رفتن اطلاعات بانکی تا رخنه های تاسیساتی و یادگیری ماشین کمک گامی در این مسیرامنیت است. در این مقاله روشی نوین جهت ردیابی رخنه در جریان های ترافیک شبکه بر پایه یادگیری ماشینبا تکنیک الگوریتم های داده کاوی معرفی می نماییم، روش فوق قادر است به صورت کارآمد با افزایش دقتدر فاز یادگیری مبتنی بر الگوریتم های یادگیری ماشین را داشته باشد، معماری مطرح در این مقاله برا ی اولینبار چندین الگوریتم را باهم ترکیب کرده که دارای درصد دقت بالاتری به همراه سرعت قابل قبول جهتردیابی رخنه در شبکه را در بربگیرد که روش پیشنهادی کارایی و صحت بسیار بالای ۹۹.۹۷ % را دارا است.محققان امنیتی می توانید از این اصول و نتایج روش پیشنهادی برا ی ردیابی و امنیت شبکه بهره ببرند.