مروری سیستماتیک در حوزه سیستم های تشخیص نفوذ با رویکرد یادگیری عمیقسمیه جعفری هرستانی1، سید امین حسینی سنو21دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران، Somayeh_mz@yahoo.com2دانشیارگروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران،Hosseini@um.ac.irچکیدهاهمیت سیستم ها و شبکههایکامپیوتریدر جهت برقراریارتباطات و تبادل اطلاعاتبرکسیپوشیدهنیست،ولیاستفادهازایننوعشبکهها خطرات و آسیب هاییرانیزبههمراهدارد، کهازدست رفتنیا مخدوش شدن اطلاعاتمحرمانهمیتواند یکیاز مهم-ترینخطراتموجوددرشبکههای کامپیوتریباشد .در این میان،سیستم های تشخیص نفوذ،ابزاری مفید برای نظارت بر فعالیت ها و فرآیندهای شبکه و اعلام تهدیدهای احتمالی بوده و معرفی یک دسته بندی جامع و کامل در زمینه سیستم های تشخیص نفوذ، به منظور آگاهی از این گستره وسیع،امری حیاتی برای یک شبکه و مدیریت امنیت آن محسوب میگردد.اما چارچوبکلیتمامراهحلهایپیشنهادیبرایحلمسئله تشخیص نفوذ،استفادهاز طبقهبندیمتن است و امروزه شبکه های عصبی عمیق(Deep Neural Network)،از برترین و پرکاربردترین طبقه بندها به شمار می آیند .بر این اساس، در راستای این پژوهش، یک دسته بندی جامع، کامل و منحصر به فرد، روی سیستم های تشخیص نفوذ1،با رویکرد یادگیری عمیق خواهیم داشت و در کنار پیشنهاد این دسته بندی، پژوهش های انجام شده روی معماری های عمیق و کمعمق2و با تمرکز بیشتر روی شبکه های نرم-افزار محور(Software Defined Network)، به طور چشمگیر و گسترده ای بررسی شده و طی جداولی جداگانه طبقه بندیو ارائه میشود .همچنیندر انتهای هر دسته، برتری ها و کاستیهای آن دسته پژوهش به طور کامل بیان شده و در نهایت با توجه به بررسیهای سیستماتیک و خوبی که به انجام رسیده، همه چالش های موجود در این حوزه، برای تکمیل و ارتقاء سطح علمی پژوهشگران در این زمینه، ارائه خواهد شد.

کلمات کلیدی