چکیده:
محاسبات ابری یک محیط فعال برای دسترسی به منابع مشترک است. در این محیط یکی از مهم ترین مسائل و نگرانی ها، امنیت است. برای ایجاد امنیت و حفظ حریم خصوصی از سیستم تشخیص نفوذ استفاده می شود. سیستم تشخیص نفوذ میان حملات و فعالیت های عادی تفاوت قائل می شود و جلوی حملات به محیط ابر را می گیرد و با ایجاد هشدارهایی آن ها را به مدیران و ارائه دهندگان ابر خبر می دهد. سیستم تشخیص نفوذ با راه حل های مختلفی پیاده سازی می شود. یکی از این روش ها ترکیب شبکه عصبی و منطق فازی است. شبکه عصبی دقت تشخیص بالایی دارد و منطق فازی برای ویژگی های مختلف استفاده می شود و قدرت کلاستر بندی دارد. در این مقاله روش های مختلف شبکه عصبی و منطق فازی بررسی می شود و نقاط قوت و ضعف آن ها بیان می شود و در انتها سیستم تشخیص نفوذ پیشنهادی را از نظر دقت تشخیص، هشدارهای مثبت غلط، قرارگیری در مناطق گسترده ای مانند ابر، بررسی می شود.
خلاصه ماشینی:
در این مقاله روشهای مختلف شبکه عصبی و منطق فازی بررسی میشود و نقاط قوت و ضعف آنها بیان میشود و در انتها سیستم تشخیص نفوذ پیشنهادی را از نظر دقت تشخیص، هشدارهای مثبت غلط، قرارگیری در مناطق گسترده ای مانند ابر، بررسی میشود.
کلمات کلیدی: محاسبات ابری، سیستم تشخیص نفوذ، شبکه عصبی، منطق فازی مقدمه امروزه رایانش ابری مکانیزم در حال ظهور برای محاسبات سطح بالا است و به عنوان یک سیستم ذخیرهسازی تلقی میشود (طالبی و ختن لو، 1391).
انواع مختلف شبکههای عصبی که شامل بدون ناظر و نظارت شده یا ایستا و پویا را بررسی میکنیم و نقاط ضعف و قدرت آن را مرور میکنیم تا بهترین نوع آن برای سیستم ابر در نظر بگیریم (کیا، 1393)؛ اما شبکه عصبی به تنهایی و به خوبی قادر به قرار گرفتن در محیط گسترده و پیچیده ابر نیست.
به همین منظور منطق فازی نیز برای ایجاد سیستم تشخیص نفوذ استفاده میشود در ادامه تعریفی از منطق فازی و ساختار آن ارائه میدهیم و روش ترکیبی را به کمک شبکه عصبی و منطق فازی معرفی میکنیم که شامل کلاستریگ و مدل ANFIS است و به بیان نقاط ضعف و قوت شبکه عصبی و منطق فازی میپردازیم.
در بخش نتیجهگیری مدلهای مختلف از ترکیب شبکه عصبی و منطق فازی را بیان کرده و از نظر قرار گیری در محیط ابر، دقت تشخیص و نرخ هشدارها مثبت غلط را در این روش بررسی میکنیم.
ترکیب منطق فازی با شبکه عصبی روشهای مختلفی برای این کار وجود دارد مانند ANFIS و کلاسترینگ.