مهران جوانی - گروه مهندسی کامپیوتر، واحد بهبهان، دانشگاه آزاد اسلامی، بهبهان، ایران
مجید سینا - گروه مهندسی کامپیوتر، واحد بهبهان، دانشگاه آزاد اسلامی، بهبهان، ایران

امروزه جهت تامین امنیت سیستم ها ، ابزارهای امنیتی متفاوتی از جمله سیستم های تشخیص نفوذ (IDS) در شبکه ها استفاده می شوند. روش های تشخیص الگو بر اساس الگوهای حملات دارای نرخ تشخیص بالایی هستند اما توانایی تشخیص حملات جدید را ندارند. در مقابل روشهای تشخیص ناهنجاری توانایی شناسایی حملات جدید را دارند اما نرخ هشدار غلط در آنها بالا است . بنابراین مدیران شبکه های کامپیوتری را به استفاده از تکنیک های جدید مثل روش های مبتنی بر یادگیری ماشین و دادهکاوی برای جلوگیری از این حملات واداشته است . در این مقاله ، یک سیستم تشخیص نفوذ به شبکه های کامپیوتری ، با استفاده از شبکه عصبی عمیق پیشنهادی با ترکیب و انتخاب ویژگی ها پیشنهاد می گردد. شبکه عصبی اتوانکدر برای ترکیب ویژگی ها بصورت با معنا بکار گرفته می شود و سپس از الگوریتم پرسپترون چند لایه برای یادگیری این ویژگی های معنایی به عنوان یک شبکه عصبی عمیق خاص را پیشنهاد می کنیم . در نهایت با بکارگیری الگوریتم ژنتیک سعی در یادگیری پارامترهای شبکه عصبی اتوانکدر و انتخاب ویژگی برای افزایش دقت و ساده شدن مدل داریم . نتایج حاصل از انجام آزمایشات روی پایگاهداده NSL-KDD به دقت ۶,۹۴% رسیدیم که نشان می دهد روش پیشنهادی به خوبی عمل می کند.

سیستمهای تشخیص نفوذ؛ اتوانکدر؛ شبکه عصبی عمیق .