کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

ارائه یک موتور پردازش ترافیک خطی مبتنی بر یادگیری عمیق برای Snort و واکاوی معماری بهینه استقرار آن

نویسندگان :

پیمان عاربی¹ محمدرضا رضایی²

1- دانشگاه ملی مهارت 2- دانشگاه ملی مهارت

کلمات کلیدی :

دیواره آتش،هوش مصنوعی،سیستم تشخیص نفوذ،سیستم جلوگیری از نفوذ،دفاع سایبری

چکیده :

ا در مواجهه با پیچیدگی تهدیدات سایبری، سیستم‌های پیشگیری از نفوذ (IPS) با چالش‌هایی چون نرخ بالای هشدارهای اشتباه و ناتوانی در پردازش ترافیک با نرخ خطی مواجهند. این پژوهش چارچوب یکپارچه سه‌بعدی ارائه می‌دهد. در لایه هوشمندی، مدل ترکیبی CNN-LSTM بهینه‌شده به دقت ۹۹.۵٪ و کاهش ۱۸٪ی هشدارهای اشتباه در مجموعه داده CIC-IDS2018 دست یافته است. در لایه کارایی، راهکارهای نرم‌افزاری (DPDK و PF_RING) و سخت‌افزاری (Napatech) مقایسه شدند که راهکارهای سخت‌افزاری توان عملیاتی کامل (۱ گیگابیت بر ثانیه) با بار پردازشی کمتر از ۵٪ CPU تأمین کردند. در لایه معماری، تأثیر مکان‌یابی استراتژیک IPS بر مؤلفه‌های امنیتی و عملکردی تحلیل شده و الگوهای بهینه استقرار ارائه گردید. نوآوری اصلی در تلفیق هم‌زمان سه محور هوش مصنوعی، کارایی پردازش و بهینه‌سازی معماری در چارچوبی منسجم است. ارزیابی‌های تجربی برتری چارچوب پیشنهادی در دقت تشخیص بالا، قابلیت پردازش پرباند و کارایی عملیاتی را اثبات کردند.