این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱۴، شماره ۱، صفحات ۴۵-۵۶
عنوان فارسی ارائه یک روش هوشمند جهت تشخیص نفوذ در محیط رایانش ابری با بهینه‌سازی شبکه عصبی توسط الگوریتم ژنتیک
چکیده فارسی مقاله با توجه به گسترش فزایندۀ استفاده از محیط‌های محاسباتی ابری در سالیان اخیر، چالش‌های متعددی نیز فرا‌‌روی کاربران این محیط‌ها قرار گرفته است. یکی از مهمترین چالش‌های کنونی جهت استفاده عملیاتی از محیط رایانش ابری، مسئله امنیت در این نوع محاسبات است و یکی از مسائل چالش برانگیز در امنیت رایانش ابری نیز مسئلۀ تشخیص نفوذ در این محیط است که اگر به‌ درستی به انجام نرسد و دقت کافی در این سیستم‌ها وجود نداشته باشد می‌تواند موجب خطرات فراوانی مانند: افشای اطلاعات و سوء استفاده‌های دیگر گردد. بنابراین تشخیص نفوذ و دقت سیستم‌های کمکی تعبیه شده جهت این موضوع بسیار حیاتی و مهم است. تاکنون روش‌های زیادی برای بهینه کردن این چالش توسط محققینی که در این حوزه فعالیت می‌کنند پیشنهاد شده است؛ اکثر روش‌های پیشنهاد شده دارای دقت تشخیص نفوذ نسبتاً پایینی می‌باشند که یکی از دلایل آن، عدم تقارن بین ویژگی‌های اطلاعاتی نامربوط و اضافی مجموعه داده‌ها است. در این مقاله، یک روش جدید برای تشخیص نفوذ در بستر ابر با استفاده از دسته-بندی شبکۀ عصبی بهبود یافته مبتنی بر الگوریتم ژنتیک جهت بهبود و افزایش دقت تشخیص، ارائه شده است. برای این منظور، ابتدا برای کاهش ابعاد مجموعه داده از الگوریتم تحلیل مولفه اصلی (PCA) استفاده شده و سپس، با استفاده از دسته‌بندی شبکه عصبی مصنوعی ترافیک نرمال و تهاجمی از هم تشخیص داده می‌شوند. در ادامه پارامتر‌های شبکه‌عصبی مصنوعی با استفاد از الگوریتم ژنتیک مورد بهینه‌سازی قرار می‌گیرند. در پایان، کارایی روش پیشنهادی بر روی مجموعه داده NSL-KDD به عنوان یک مجموعه داده استاندارد و جامع برای ارزیابی سیستم‌های تشخیص نفوذ در محیط متلب مورد آزمایش و ارزیابی قرار می‌گیرد و با نتایج سه روش مطرح دیگر مقایسه می‌شود. نتایج مقایسه نشان می‌دهد که روش پیشنهادی با دقت تشخیص 99.41% در مقایسه با روش‌های دیگر دارای قابلیت بهتری بوده و می‌تواند حملات را با دقت بالاتری تشخیص دهد.
کلیدواژه‌های فارسی مقاله تشخیص نفوذ،رایانش ایری،حملات،شبکه عصبی مصنوعی،الگوریتم ژنتیک،
عنوان انگلیسی Providing an Intelligent Method for Intrusion Detection in Cloud Computing Environment by Optimizing Neural Network Using Genetic Algorithm
چکیده انگلیسی مقاله Given the increasing expansion of cloud computing applications in recent decades, the emergence of new challenges in this field is a given. Among these, security has always been a fundamental requirement for utilizing these environments. One of the significant issues in the realm of cloud computing security is intrusion detection, which, if appropriate measures and sufficient accuracy are not taken, can lead to risks such as data breaches and potential misuse. Therefore, accurate intrusion detection and enhancing the efficiency of protective systems are of special importance. Over the years, researchers have made extensive efforts to optimize this challenge. However, many existing methods have faced the problem of relatively low detection accuracy. One of the contributing factors to this issue is the heterogeneity among irrelevant and redundant information features in the datasets. This article presents an innovative solution for intrusion detection in cloud infrastructure, relying on an improved neural network classification based on genetic algorithms. This approach aims to improve detection accuracy. In this regard, the principal component analysis (PCA) algorithm has been used initially to reduce the dimensions of the dataset. Then, by utilizing artificial neural network classification, normal traffic is separated from malicious traffic. Subsequently, the parameters of the artificial neural network are optimized using a genetic algorithm. Finally, the performance of the proposed method is evaluated and tested on the standard and comprehensive NSL-KDD dataset, as an indicator for assessing intrusion detection systems, in the MATLAB environment, and compared with the results obtained from three other prominent methods. The results of this comparison show that the proposed method has demonstrated better performance with a detection accuracy of 99.41% compared to other methods and is capable of identifying attacks with higher precision.
کلیدواژه‌های انگلیسی مقاله تشخیص نفوذ,رایانش ایری,حملات,شبکه عصبی مصنوعی,الگوریتم ژنتیک
نویسندگان مقاله وهاب امینی آذر |
گروه مهندسی برق و کامپیوتر، واحد مهاباد، دانشگاه آزاد اسلامی، مهاباد، ایران.

رسول فرحی |
گروه مهندسی برق و کامپیوتر، واحد مهاباد، دانشگاه آزاد اسلامی، مهاباد، ایران.

فاطمه شاطری علی‌آباد |
گروه مهندسی برق و کامپیوتر، واحد خلخال، دانشگاه آزاد اسلامی، خلخال، ایران.

نشانی اینترنتی https://jscit.nit.ac.ir/article_220288_bbeee088a1af9dc1b0ebe95363a77e61.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات