تشخیص نفوذ در رایانش ابری با الگوریتم ژنتیک در متلب به همراه سمینار

تشخیص نفوذ در رایانش ابری با الگوریتم ژنتیک

در این بخش پروژه تشخیص نفوذ در رایانش ابری با الگوریتم ژنتیک را همراه با داکیومنت و سمینار برای شما آماده کرده ایم که با استفاده از نرم افزار MATLAB و عنوان مقاله Integrating Signature Apriori based Network Intrusion Detection System (NIDS) in Cloud Computing ارائه شده است. در ادامه می توانید توضیحاتی در مورد این پروژه مشاهده کنید. همچنین لینک دانلود رایگان مقاله مرجع نیز در انتهای این بخش قرار داده شده است.

معرفی پروژه تشخیص نفوذ در رایانش ابری

در این پروژه عملیات تشخیص و شناسایی نفوذ با توجه به حملات و رفتار های غیر معمول برخی از کاریران سودجو و با استفاده از پروتکل TCP/IP و الگوریتم ژنتیک صورت می پذیرد.

چیکده

امروزه با پیشرفت تکنولوژی تقریبا مدیریت بیشتر زیر ساخت های مهم مانند حمل و نقل، مخابرات، بانک داری و … با استفاده از شبکه های کامپیوتری انجام می شود، از این رو موضوع امنیت این شبکه های کامپیوتری در مقابل حملات و نفوذ های برنامه ریزی شده اهمیت بالایی پیدا می کند. اغلب حملات و نفوذ های انجام شده به این شبکه ها از طریق خطا های نرم افزاری و خلاء های امنیتی سیستم هدف می باشد. تمامی نرم افزار هایی که تولید می شوند همگی دارای باگ و خطا های نرم افزاری می باشند و ساخت نرم افزاری که بدون خطا باشند غیر ممکن است. بنابراین پژوهشگران همیشه به دنبال راهی برای پیدا و برطرف کردن این خطاها بوده اند تا بتوانند حفاظت سیستم را تامیین کنند،  که هدف ما در این پروژه نیز همین موضوع می باشد.

شرح کدهای پروژه

• خط ۱۰، n تعداد attack های اولیه است.
• خط ۱۲، مجموعه Attack های اولیه است.
• در خطوط 22 تا 26 برای تعیین مقدار FITNESS  ها در هر حمله متغییر هایی تعریف شده اند.
• در خطوط ۲۹ تا ۳۲ متغیر ها برای 5 حمله اولیه مقدار دهی شده اند که alpha مقدار True positive و beta مقدار false positive است.
• A تعداد کل attck ها و B تعداد کل connection است.
• در خط ۳۷ الگوریتم ژنتیک صدا زده شده است.
• سپس در خطوط ۴۳ به بعد درستی CIDD را بررسی می کند.
• در خط ۴۶ مجموعه Attack real مجموعه attack واقعی فرض شده است.
• در خط ۵۶ test مجموعه packet های فرض شده است.
• خطوط ۸۲ تا ۸۶ متغیر های مورد نیاز در ادامه است.
• در خطوط ۹۰ تا ۹۴ تعداد حمله های واقعی از میان مجموعه تست تعیین شده اند
• در حلقه for خطوط ۱۰۰ تا ۱۲۲ تعداد حمله هایی واقعی که به درستی تشخیص داده نشده اند در FN و آن هایی که درست تشخیص داده شده اند در TP قرار می گیرند.
• و همچنین تعداد packet هایی که attack نیستند و attack تشخیص داده شده در FP و attack تشخیص داده نشده در TN قرار می گیرد.
• در خطوط ۱۲۰ تا ۱۲۱ مقادیر TPR و FPR  طبق فرمول های مقاله محاسبه می شوند.
• در خطوط ۱۲۶ تا ۱۳۴ نیز نتیجه نمایش داده می شود.
• از خط 137 به بعد، عملیات انجام شده مانند چیزی است که در بالا انجام شده است، تنها فرقی که دارد در این است که در زمان های متفاوت از 5 تا 15 تعداد attack های تشخیص داده شده، محاسبه شده و در خطوط ۱۸۴ تا ۱۹۰ نتیجه نمایش داده شده.

توضیحات genetic_algorithm

در این الگوریتم، به تعداد repet که ۱۰ است، دو تابع cross over حلقه  ۱۸ تا ۴۰ و mutation حلقه ۴۳ تا ۶۲، برای دو به دو attack ها، attack های جدید را ایجاد و مقدار fitness برای هر attack محاسبه می کند. سپس در خطوط ۶۷ تا ۷۱، روند بالا را با انتخاب مقدار 5 عدد از attack هایی که مقدار fitness کمتری دارند، ادامه می دهد. در خط 75 به عنوان attack، آخرین نتیجه بدست آمده برگردانده می شود. و در نهایت بر اساس فرمول 1 مقاله، تابع Fitness برای هر حمله مقدار Fitness را محاسبه می کند.

---

---

تصاویری از خروجی