تقنيات التعلم الآلي لاكتشاف التسلل في الشبكات المعرفة برمجياً

الملخص

في الوقت الحاضر ، تواجه الشبكات والبيانات هجمات عديدة من أنواع مختلفة تعرض بياناتها للخطر. لذلك ، فإن سلامة المعلومات داخل الشبكة هي أمر مهم جداً. من أجل منع فقدان المعلومات القيمة ، تم تطوير نظام كشف التسلل (IDS) للتعرف على التسللات والاختراقات من وإخطار مسؤول نظام الشبكة الذي يوفر أمان الشبكة. IDS هو نموذج يستخدم لاكتشاف حركة مرور الشبكة على أنها طبييعة أو هجومية. تعد الشبكات المعرفة برمجياً (SDN) نموذجاً عصرياً يعزل مستوى التحكم عن مستوى البيانات. من خلال فصل هذه البيانات عن مستوى التحكم ، يمنح SDN الفرصة لإنشاء شبكة قابلة للإدارة وقابلة للبرمجة، مما يسمح للتطبيقات في المستوى الأعلى بالوصول إلى الأجهزة المادية عبر وحدة التحكم. تقوم وحدة التحكم التي تعمل داخل مستوى التحكم بتنفيذ وحدات الشبكة وتعيين قواعد التدفق لإعادة توجيه الحزم عند المحولات في مستوى البيانات. وقد تنوعت أساليب كشف التسلل في الشبكات المعرفة برمجياً بدءاً من الأساليب القائمة على التوقيع ووصولا إلى التعلم الآلي .

لذلك وبناء على ماسبق سيتم في هذا البحث دراسة نظام كشف التسلل وطرائقه مع التركيز على طرائق التعلم الآلي من خلال دراسة  أربع خوارزميات تعلم آلي وهيKNN,RNN,DT,RF على مجموعة بيانات SDN المعيارية بالاضافة إلى تقييم فعالية خوارزميات اختيار الميزات وهي Correlation,Information gain ومدى تأثير دمج ميزات Information gain مع Correlation على خوارزميات التعلم الآلي وقد أثبتت التجارب في هذا البحث أن استخدام خوارزمية أقرب جار مع دمج ميزات خوارزمتي Information gain و Correlation كانت أفضل من باقي الخوارزميات حيث حصلت على أكثر من 99 بالمئة من الدقة على مجموعة البيانات