عنوان کامل پروژه:

پروژه شناسایی نفوذ به شبکه‌های کامپیوتری، با استفاده از تشخیص ناهنجاری در داده کاوی با MATLAB و به همراه فیلم آموزشی نرم افزار MATLAB

در دنيای امروز و با پيشرفت روزافزون تکنولوژی، استفاده از کامپيوتر و شبکه­‌های کامپيوتری جهت ارتباطات و انتقال اطلاعات، رونق چشمگيری يافته است. در اين ميان افراد و سازمان­های مختلف با انگيزه­‌های متفاوت با دسترسی به اطلاعات مهم مراکز خاص و يا اطلاعات افراد ديگر و با مقاصد سياسی، مالی، اعمال نفوذ، اعمال فشار و يا حتی به هم ريختن نظم سيستم­ها، عمل تجاوز به سيستم­های کامپيوتری و شبکه­‌های ارتباطی را در پيش گرفته­‌اند. از اين رو حفظ امنيت اطلاعات و حفظ کارايی شبکه‌­های کامپيوتری که با دنيای خارج در ارتباطند، کاملأ ضروری است.

سیستم­های تشخیص نفوذ، سیستم­هایی هستند که به منظور شناسایی حـملات احتمالی بـه شبکه­ ها مورد استفاده قـرار می‌­گیرند. این سیستم­ها، سـیستم­هایی سخت­‌افزاری و یا نرم‌­افزاری هستند که وظیفه آنها نظارت بر شبکه­‌های کامپیوتری جهت شناسایی فعالیت­های مخرب و جاسوسانه و اعلان آنها به مدیریت شبکه است. روش­های مبتنی بر تشخیص ناهنجاری دسته­‌ای‌ از روش­های تشخیص نفوذ به شبکه­‌های کامپیوتری هستند که با مقایسه شرایط عادی سیستم با شرایط فعلی و با تشخیص تفاوت­های جدی که معمولاً در صورت بروز حملات رخ می­‌دهند، حمله به شبکه را شناسایی می‌­کنند. در این پروژه شماری از الگوریتم­های داده­‌کاوی برای تشخیص ناهنجاری در داده­‌ها، معرفی شده و کارایی آنها در تشخیص نفوذ­های احتمالی به شبکه­‌های کامپیوتری روی یک نمونه واقعی بـا استفاده از معیارهای رایـج بررسی عملکرد، مقایسه مـی‌­شود. روش­های مورد بحث عبارتند از: روش ضریب داده پرت محلی (Local Outlier Factor)، روش ضریب چگالی محلی (Local Density Factor)، روش سلسله مراتبی خوشه‌بندی براساس چگالی (OPTICS)، روش فاکتور پرت طبیعی(NaturalOutlier Factor). نمونه مورد بررسی در این پروژه که شبیه­سازی­‌ها بر مبنای آن انجام می‌­شود، نمونه KDD CUP 1999 بوده که متشکل از انواع مخـتلـف حملات نفوذ به شبکه­‌های کامـپيوتری نظامی آمریکا، در يک محيط با استفاده از نرم افزار MATLAB ( متلب ) شبيه سازی شـده است.

آنچه در این کد خواهید آموخت:

1- اجرای الگوریتم های مبتنی بر چگالی جهت شناسایی نفوذ

2- NOFمفهومی از همسایگی طبیعی (NaN) و LOFمی­‌باشد

3- روش یادگیری نظارت شده جهت شناسایی نفوذ از داده‌های آموزشی بهره می گیرد

4- الگوريتم LOF تفاوت در چگالی بين يک داده و همسايه‌ها

5- عملکرد مناسب شبکه در شناسایی نفوذ به شبکه، در انتخاب بهینه پارامترهای ورودی آنها است.

نکات و الزامات:

1-آشنایی با انواع سیستم­های تشخیص نفوذ

2- استفاده از نمونه مورد بررسی KDD CUP1999 

3- آشنایی با روش‌های پیش‌بینی و مدل‌های شبکه‌ها 

4- آشنایی بامباحث داده­‌کاوی و روش­های تشخیص ناهنجاری

5- آشنایی با زبان C و نرم افزار MATLAB ( متلب )