مشخصات پژوهش

عنوان	یک روش هوشمند تحلیل و تشخیص نفوذ مبتنی بر یادگیری ماشین در شبکه های SDN سوئیچینگ مجازی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	شبکه تعریف شده نرم افزاری، سیستم های تشخیص نفوذ، یادگیری ماشین، یادگیری عمیق، حملات سایبری، سوئیچینگ مجازی، امنیت شبکه
چکیده	با پیشرفت فناوری و توسعه شبکه های رایانه ای، نیاز به زیرساخت های انعطاف پذیر، مقیاس پذیر و هوشمند بیش از پیش احساس می شود. در این میان، شبکه های نرم افزارمحور (SDN) به عنوان یک رویکرد نوین در مدیریت و کنترل شبکه های مدرن مطرح شده اند. SDN با تفکیک لایه کنترل از لایه داده، امکان مدیریت مرکزی، بهینه سازی منابع و افزایش کارایی شبکه را فراهم می کند. با این حال، این ویژگی ها در کنار مزایای فراوان، چالش های امنیتی قابل توجهی را نیز به همراه دارند. جداسازی کنترل از داده و مدیریت متمرکز باعث می شود که مهاجمان بتوانند با حملات پیچیده، نقاط حساس شبکه را هدف قرار داده و عملکرد کلی آن را مختل کنند. از این رو، توسعه راهکارهای مؤثر برای تشخیص و تحلیل نفوذ در شبکه های SDN به یکی از حوزه های مهم پژوهشی تبدیل شده است. روش های سنتی تشخیص نفوذ معمولاً مبتنی بر امضاء یا قوانین از پیش تعیین شده هستند که در مواجهه با حملات جدید و ناشناخته کارایی چندانی ندارند. در مقابل، روش های مبتنی بر یادگیری ماشین با تحلیل الگوهای رفتاری ترافیک شبکه، قابلیت تشخیص ناهنجاری ها و حملات نوظهور را دارند. از سوی دیگر، استفاده از معماری سوئیچینگ مجازی در SDN، امکان ایجاد شبکه های پویا و کارآمد را فراهم می کند اما هم زمان تهدیدات امنیتی را نیز افزایش می دهد. سوئیچینگ مجازی، روشی است که در آن عملکرد سوئیچ های شبکه به صورت نرم افزاری و بدون وابستگی به سخت افزار فیزیکی اجرا می شود، که موجب افزایش انعطاف پذیری و کاهش هزینه های زیرساختی می شود. در این پژوهش، یک روش هوشمند مبتنی بر یادگیری ماشین برای تحلیل و تشخیص نفوذ در شبکه های SDN با معماری سوئیچینگ مجازی ارائه می شود. هدف این روش، بهبود دقت تشخیص حملات، کاهش نرخ هشدارهای کاذب (FAR) و ارائه راهکاری مؤثر برای تقویت امنیت شبکه های نرم افزارمحور است.
پژوهشگران	امیررضا کنعانی کهنه شهری (دانشجو)، محسن حیدریان (استاد راهنمای اول)، محمد خودی زاده نهاری (استاد راهنمای دوم)