تشخیص فازی حمله های مخرب به برنامه های تحت وب مبتنی بر مدلهای مخفی مارکوف گروهی

نویسندگان
doi
چکیده

چکیده: در این مقاله برای تشخیص درخواستهای HTTP که با هدف خرابکاری یا نفـوذ بـه برنامـه هـای تحـت وب ارسـال میشوند، سیستم تشخیص نفوذی ارائه میشود که با نظارت بر آنها، با داشتن نرخ کشف حملۀ بالا، به پایینترین نرخ مثبت کاذب دست یابد. به این منظور هر ویژگی استخراج شده از یک درخواست HTTP بهوسیلۀ تعدادی HMM ،تحت عنوان یک گروه دستهبندیکننده، مدلسازی میشود. سپس با ادغام خروجیهای حاصـل از HMMهـای درون یـک گروه، مقدار احتمالی تولید میشود که نشاندهندة میزان نرمال بودن ویژگی مربوطه میباشد. این سیستم از استنتاج فازی برای برقراری مرز تصمیمگیری انعطافپذیر بین درخواستهای HTTP نرمال و غیرنرمال استفاده میکند. بـ ه این منظور، ابتدا مجموعهها و قوانین فازی ماژول تصمیمگیری به صورت دستی و بـر اسـاس برنا مـۀ کـار بردی و ارزش امنیتی هر ویژگی شکل میگیرند؛ سپس خروجی احتمالی هر یک از گروههای HMM با توجه به مجموعههای فازی تولید شده، فازی میشود. این مقادیر فازی توسط موتور استنتاج فازی بهکار گرفته میشود و به خروجی که حاکی از نرمال و یا غیرنرمال بودن درخواست HTTP میباشد، تبدیل میگردد. آزمایشها نشان میدهد که ایـن در تشخیص درخواستهایی که نزدیک به مرز تصمیمگیری قرار گرفتـه انـد، از دقـت خـوبی برخـوردار اسـت و بـ رای مجموعۀ آزمایشی 550 درخواست HTTP با نرخ کشف حملۀ 100 ،٪دارای نرخ مثبت کاذب 79.0 ٪میباشد.