عنوان

ارائه یک روش تشخیص نفوذ مبتنی بر رفتار در شبکه ها با استفاده از تحلیل یال ها و گره های گراف

‭۱۴۳۵۲پ‬

per

ارائه یک روش تشخیص نفوذ مبتنی بر رفتار در شبکه ها با استفاده از تحلیل یال ها و گره های گراف

/رویا رستگار ثمرین

: علوم ریاضی

، ‮‭۱۳۹۴‬

چاپی

کارشناسی ارشد

علوم کامپیوتر، گرایش سیستم‌های کامپیوتری

‮‭۱۳۹۴/۰۶/۳۱‬

تبریز

امروزه رویکردهای تشخیص نفوذ مبتنی بر رفتار که از جریان داده استفاده می کنند به دلیل مقیاس پذیری که در شبکه های با سرعت بالا دارند مورد توجه قرار گرفته اند .در همین راستا، رویکردهای مختلفی بر این مبنا ارائه شده است .در بین این رویکردها، رویکرد مبتنی بر گراف و خوشه بندی آن از اهمیت خاصی برخوردار است .در رویکرد مبتنی بر گراف، شبکه یکگراف در نظر گرفته می شود و با توجه به خواص گراف ناهنجاری ها تشخیص داده می شوند که علاوه بر فراهم کردن درک درستی از شبکه، دقت نیز افزایش می یابد .در این پایان نامه با معرفی یکمجموعه داده مبتنی بر خوشه بندی گراف که با استفاده از مفهوم جریان داده و گراف پراکندگی ترافیک به دست آمده و همچنین ارائه یک معیار جدید با استفاده از ویژگی های مجموعه داده به مدلی برای تشخیصنفوذ رسیدیم که دقت آن نزدیک ده درصد بهتر از زمانی بود که از خوشه بندی گراف و این معیار استفاده نکردیم .مدل ارائه شده جدید را که می توان آن را تشخیص نفوذ مبتنی بر رفتار اجرا کردیم و با ‮‭DARPA‬ با استفاده از خوشه بندی گراف نامید، روی داده های مربوط به مجموعه داده ‮‭۹۹‬ مقایسه نتایج به دست آمده با روش دیگر، نشان دادیم روش پیشنهادی ما از قدرت خوبی برخوردار است و می تواند حمله ها را با دقت بالایی تشخیص دهد

One of the most important aspects of network security is intrusion detection system. These days the number of attacks has been increasing by improving the networks. Due to the intrusion detection methods' scalability on the high-speed networks, the behavioral based intrusion detection methods that uses data flow are more important. In this way, there are some graph based approaches that indicate the network as a graph and anomalies are detected with metrics which are related to the graph. This approach could prepare a comprehensive illustration of network and finally increase the accuracy of method.In this thesis a graph partitioning based dataset which uses the aspects of data flow and traffic dispersion graph (TDG) has been prepared and a new metric has been presented by using features of new dataset. Finally, we display a model for intrusion detection in which accuracy has been improved by ten percent in compare with the method that not using graph partitioning and the proposed metric. The new model has been validated by DARPA99 dataset

رستگار ثمرین، رویا

عیسی‌زاده، آیاز، استاد راهنما

کریم پور، جابر، استاد مشاور

ایزدخواه، حبیب، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی