دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 2 3 2022 09 16 Deep Learning algorithm for Intrusion Detection System: a survey مروری بر الگوریتم های یادگیری عمیق به کار برده شده در سیستم های تشخیص نفوذ 49 64 10.22051/jera.2021.31891.2698 FA مهشید دپارتمان مهندسی کامپیوتر،واحد مشهد، دانشگاه ازاد اسلامی ، مشهد،ایران 2022 06 26 Abstract: Rapid advances in the Internet and communications have greatly increased the size of the network and networks related data. As a result, many new attacks are emerging, challenging network security to accurately identify intrusions. In addition, the presence of hackers with the aim of carrying out various attacks within the network cannot be ignored. Intrusion detection systems are an important protection tool for the network. Intrusion detection systems are classifiers that receive input records and predict the class of types of attacks. In network attacks, there are various deep learning algorithms that have been proposed for intrusion detection systems. Over the past decades, researchers have used a variety of deep learning algorithms to classify and detect malicious traffic from normal traffic without prior knowledge of attack pattern. This article provides an overview of deep learning algorithms that use for intrusion detection systems. A separate section is dedicated to presenting the datasets used in intrusion detection systems in particular, the two main datasets, KDDCup99 and NSL-KDD. Evaluation criteria and implementation tools in intrusion detection systems are also examined. چکیده: پیشرفت های سریع در زمینه اینترنت و ارتباطات باعث افزایش زیادی در اندازه شبکه و داده های مربوط به ان شده است. در نتیجه، بسیاری از حملات جدید در حال ایجاد هستند و امنیت شبکه را برای شناسایی دقیق نفوذها با چالش هایی مواجه کرده اند. علاوه بر این، حضور هکر ها با هدف انجام حملات مختلف در داخل شبکه را نمی توان نادیده گرفت. سیستم های تشخیص نفوذ یک ابزار حفاظتی مهم برای تشخیص نفوذ در شبکه است. سیستم های تشخیص نفوذ طبقه بندی کننده ای است که رکورد های ورودی را دریافت و کلاس انواع حملات را پیش بینی می کند. در حملات شبکه الگوریتم‌های مختلف یادگیری عمیق وجود داشته است که برای اجرای سیستم های تشخیص نفوذ پیشنهاد شده است. در دهه‌های گذشته، محققان از یادگیری عمیق مختلفی با رویکردهایی برای طبقه‌بندی و تشخیص ترافیک غیرعادی از ترافیک نرمال در شبکه بدون قبلی دانش قبلی در مورد الگوی حملات استفاده کردند. در این مقاله مروری بر سیستم های تشخیص نفوذ از دیدگاه یادگیری عمیق است. یک بخش جداگانه را به ارائه مجموعه داده های استفاده شده در زمینه سیستم های تشخیص نفوذ به طور خاص، دو مجموعه داده اصلی، KDDCup99وNSL-KDD اختصاص می دهیم. همچنین معیار های ارزیابی و ابزار های پیاده سازی در سیستم های تشخیص نفوذ مورد بررسی قرار میگیرند. /downloadfilepdf/459410