یک مدل جامع جدید برای سیستم تشخیص ناهنجاری گفتاری شبکه با استفاده از رویکرد یادگیری عمیق

سیستم تشخیص نفوذ شبکه فن‌آوری کلیدی برای امنیت اطلاعات است و نقش مهمی را برای طبقه‌بندی دقیق حملات مختلف در شبکه‌ها ایفا می‌کند. یک NIDS با بررسی ترافیک شبکه، درک رفتار عادی و غیرعادی را بدست می‌آورد و می‌تواند حملات ناشناخته و جدید را شناسایی کند. تحلیل و شناسایی حملات نا آشنا یکی از چالش‌های بزرگ در تحقیق NIDS شبکه است. در طول چند سال گذشته پاسخ بزرگی به یادگیری عمیق داده شده‌است و نوآوری در تکنیک‌های یادگیری عمیق نیز به طور منظم بهبود یافته‌است. رویکرد کشف نفوذ شبکه مبتنی بر یادگیری عمیق برای بهبود عملکرد بسیار ضروری است. امروزه، الگوریتم های یادگیری ماشینی انقلابی در حوزه تعامل کامپیوتر-انسان ایجاد کرده اند و پیشرفت قابل‌توجهی در تقلید دقیق از مغز انسان به دست آوردند. شبکه عصبی مفهومی(‏CNN)‏یک الگوریتم یادگیری قدرتمند در مدل یادگیری عمیق برای بهبود توانایی یادگیری ماشین به منظور دستیابی به دقت طبقه‌بندی حمله بالا و نرخ هشدار اشتباه پایین است. در این مقاله، مروری بر روش‌های یادگیری عمیق برای NIDS که به طور معمول مورد استفاده قرار می‌گیرند مانند رمزگذاری خودکار (‏AE)‏، شبکه باور عمیق

Network Intrusion Detection System (NIDS) is the key technology for information security, and it plays significant role for classifying various attacks in the networks accurately. An NIDS gains an understanding of normal and anomalous behavior by examining the network traffic and can identify unknown and new attacks. Analyzing and Identifying unfamiliar attacks are one of the big challenges in Network IDS research. A huge response has been given to deep learning over the past several years and novelty in deep learning techniques are also improved regularly. Deep learning based Network Intrusion Detection approach is highly essential for improved performance. Nowadays, Machine learning algorithms made a revolution in the area of human computer interaction and achieved significant advancement in imitating human brain exactly. Convolutional Neural Network (CNN) is a powerful learning algorithm in deep learning model for improving the machine learning ability in order to achieve high attac