این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدلسازی در مهندسی، جلد ۱۶، شماره ۵۳، صفحات ۱۶-۱۶
عنوان فارسی تشخیص نفوذ مبتنی بر مدل‌های‌ مخفی مارکوف: روش‌ها، کاربردها و چالش‌ها
چکیده فارسی مقاله امروزه، با توجه به گسترش استفاده از شبکه اینترنت، امنیت سیستم‌های نرم‌افزاری به‌عنوان یکی از مهم‌ترین مؤلفه‌های ضروری در کیفیت خدمات فن‌آوری اطلاعات به‌حساب می‌آید. علاوه بر راهکارهای امنیتی سنتی نظیر رمزنگاری، دیواره آتش و مکانیزم‌های کنترل دسترسی در سیستم‌های نرم‌افزاری، استفاده از سیستم‌های تشخیص نفوذ، امری ضروری و انکارناپذیر است. تاکنون روش‌های زیادی برای تشخیص نفوذهای احتمالی در سیستم‌های نرم‌افزاری معرفی شده‌اند. این روش‌ها بر اساس معیارهایی به دسته‌های متفاوتی تقسیم می‌شوند. یکی از این دسته روش‌های مهم، روش‌های مبتنی بر یادگیری ماشین هستند. مزیت اصلی این روش‌ها، کاهش دخالت عامل انسانی در تشخیص نفوذها و فعالیت‌های ناهنجار است. یکی از مهم‌ترین روش‌های تشخیص نفوذ مبتنی بر یادگیری ماشین، استفاده از مدل‌های مخفی مارکوف می‌باشد. سه مزیت بارز این روش، دقت زیاد در تشخیص نفوذ، قابلیت تشخیص نفوذهای ناشناخته جدید و نیز بازنمایی دانش کسب شده به‌صورت بصری است تا عامل انسانی بتواند بر اساس اطلاعات مدل، تصمیم‌گیری‌های لازم مدیریتی را به‌عمل آورد. در این مقاله، با توجه به استفاده متعدد از مدل‌‌های مخفی مارکوف برای تشخیص نفوذ از یک سو و عدم وجود مروری جامع در این زمینه از سوی دیگر، قصد داریم که با استفاده از یک فرآیند تحقیق نظام‌مند، مروری بر پژوهش‌های انجام شده در این حوزه صورت داده و بر مبنای نقد و تحلیل مزایا، محدودیت‌ها و کاربردهای روش‌های موجود، به معرفی مستدل چالش‌ها و مسائل باز این حوزه بپردازیم.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Systematic Review of Intrusion Detection using Hidden Markov Models: Approaches, Applications, and Challenges
چکیده انگلیسی مقاله Nowadays, due to the increasing use of the Internet, security of computer systems and networks has become one of the main quality of service (QoS) criteria in ICT-based services. Apart from using traditional security solutions in software systems such as cryptography, firewalls and access control mechanisms, utilizing intrusion detection systems are also necessary. Intrusion detection is a process in which a set of methods are used to detect malicious activities against the victims. Many techniques for detecting potential intrusions in software systems have already been introduced. One of the most important techniques for intrusion detection based on machine learning is using Hidden Markov Models (HMM). Three main advantages of these techniques are high degree of precision, detecting unseen intrusion activities, and visual representation of intrusion models. Hence, in recent decades, many research communities have been working in HMM-based intrusion detection. Therefore, a large volume of research works has been published and hence, various research areas have emerged in this field. However, until now, there has been no systematic and up-to-date review of research works within the field. This paper aims to survey the research in this field and provide open problems and challenges based on the analysis of advantages, limitations, types of architectural models, and applications of current techniques.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی احمدیان رمکی |
گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران.

عباس رسولزادگان |
گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران.

عباس جوان جعفری |
گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

نشانی اینترنتی
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