• عنوان

    تشخيص بلادرنگ تهديد ماناي پيشرفته با استفاده از همبسته سازي هشدارها مبتني بر كدبوك

  • نويسنده اصلي

    مظفري، مريم

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    مهندسي كامپيوتر
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    در سال‌هاي اخير دسته‌ي جديدي از حمَلات سايبري تحت عنوان تهديد ماناي پيشرفته گسترش‌يافته‌اند كه نسخه‌ي جديد و پيچيده‌تري از حملات چندمرحله‌اي هستند. مهاجمين اين حملات، گروه‌هاي سازمان‌دهي شده با بودجه و منابع قابل‌توجه هستند. تهديد ماناي پيشرفته به حملات پيچيده، چندمرحله‌اي، بلندمدت، توزيع‌شده و تركيبي گفته مي‌شود. هدف اين حملات، اغلب جاسوسي و سرقت اطلاعات سامانه‌هاي ارتباطي و اطلاعاتي سازمان‌هاي دولتي، نظامي و صنعتي است. با توجه ‌به پيچيدگي و ويژگي‌هاي خاص تهديد ماناي پيشرفته، سامانه‌هاي تشخيص نفوذ سنتي به‌طور عمده قادر به تشخيص آن‌ها نمي‌باشند. ازاين‌رو، در اين پايان‌نامه، تلاش شده است روشي جهت تشخيص بلادرنگ تهديد ماناي پيشرفته، با استفاده از همبسته‌سازي هشدارها ارائه شود. تمركز روش معرفي‌شده بر تشخيص تهديد ماناي پيشرفته‌ي بلندمدت، توزيع‌شده و تركيبي است. به همين منظور، در راهكار پيشنهادي پس از جمع‌آوري تمامي رويدادهاي سطح شبكه و سيستم‌عامل، با استفاده از مجموعه قوانين تعريف‌شده، هشدارهايي مبني بر رخداد تكنيك‌هاي مهاجمين در مراحل تهديد ماناي پيشرفته توليد گرديده است. سپس، به‌منظور ذخيره‌سازي و بررسي همبستگي ميان هشدارها در اين راهكار، از ساختار داده‌هاي كدبوك استفاده‌شده است. استفاده از اين ساختار داده كمك بسزايي در كاهش زمان پردازش و حافظه‌ي مصرفي فرآيند تشخيص حمله كرده است. در اين پژوهش،‌ ارزيابي روش پيشنهادي در قالب چهار آزمايش با اهداف مختلف انجام گرديده است. به‌طور ميانگين مقادير بازخواني، نرخ مثبت غلط و دقت، در چهار آزمايش مختلف به ترتيب برابر با 4/85، 73/1 و 86 درصد بوده است. با توجه ‌به پيچيدگي تهديد ماناي پيشرفته، مقادير به‌دست‌آمده مقادير قابل‌توجهي است.
  • شماره ركورد
    219112
  • گرايش رشته تحصيلي
    نرم افزار
  • دانشكده
    مهندسي برق و كامپيوتر
  • دانشگاه
    دانشگاه صنعتي اصفهان