تشخیص بدون نظارت بات نت های نظیر به نظیر، بر اساس رویکرد سیستم های ایمنی مصنوعی

امروزه بات نت ها به عنوان یکی از مهمترین تهدیدات امنیتی در مقابل زیرساخت شبکه ها و اینترنت محسوب می شوند. معماری بیشتربات نت ها مبتنی بر معماری متمرکز و در مقیاس بسیار بزرگ است که این دو ویژگی کشف این نوع بات نت ها را تسهیل می کند. بههمین دلیل طراحان بات نت سعی بر اضافه کردن امکانات جدیدی به آنها کردند که از مهمترین این امکانات، معماری غیرمتمرکز آناست. در این راستا، با استفاده از پروتکل های شبکه نظیر به نظیر، شبکه های بات جدیدی ایجاد شدند که نه تنها برای افزایشسرعت انتشار بات ها بلکه برای ساخت بات نت ها با توان بیشتر مورد استفاده قرار می گیرند. در این مقاله، برای بالا بردن میزاناثربخشی، تطابق پذیری و قابلیت یادگیری در تشخیص بات نت های نظیر به نظیر، روشی با استفاده از سیستم های ایمنی مصنوعیارایه شده است. به این صورت که علاوه بر مرحله آموزش، در هنگام استفاده از سیستم نیز فرایند یادگیری را انجام میدهد و اینامکان را به سیستم میدهد تا علاوه بر تشخیص بات نت های جدید، امکان تطبیق با بات نت های تغییر یافته را نیز داشته باشد. ازدیدگاه اثربخشی نیز نتایج ارزیابی نشان میدهد که روش پیشنهادی دارای دقتی برابر 96 % در تشخیص بات های شناخته شده وهمچنین دقتی برابر 91 % در تشخیص بات های جدید و ناشناخته دارد.