شماره ركورد
16664
عنوان
تشخيص نفوذ در شبكه هاي نرم افزارمحور با كمك هوش مصنوعي تفسيرپذير
سال تحصيل
1403
استاد راهنما
دكتر هاديشهريار شاهحسيني
چکيده
با گسترش روزافزون فناوري شبكههاي نرمافزارمحور بهعنوان معماري نوين براي مديريت متمركز، منعطف و پوياي منابع شبكه، مسائل امنيتي به يكي از دغدغههاي اصلي در طراحي و بهرهبرداري از اين شبكهها تبديل شدهاند. ساختار متمركز شبكههاي نرمافزارمحور، در كنار مزايايي نظير سادهسازي مديريت و افزايش قابليت برنامهريزي، سطح حملات بالقوه را افزايش داده و كنترلر مركزي را به هدفي حساس و مهم براي مهاجمان تبديل كرده است. در اين ميان، حملات نفوذي از مهمترين تهديدات بهشمار ميروند كه ميتوانند منجر به افشاي اطلاعات و اختلال در سرويسها شبكه شوند.
در سالهاي اخير، استفاده از روشهاي مبتني بر يادگيري ماشين در سيستمهاي تشخيص نفوذ، بهدليل توانايي بالا در شناسايي الگوهاي پيچيده و حملات ناشناخته، مورد توجه قرار گرفته است. با اين حال، ماهيت جعبهسياه بسياري از اين مدلها، چالشهايي در زمينه شفافيت و اعتمادپذيري ايجاد كرده است. در اين راستا، بهرهگيري از هوش مصنوعي تفسيرپذير ميتواند نقش مؤثري در افزايش قابليت تفسير، شفافيت و اعتماد به تصميمات سيستمهاي تشخيص نفوذ ايفا كند.
تحقيقات نشان ميدهند كه تركيب معماري شبكههاي نرمافزارمحور با مدلهاي يادگيري ماشين و تكنيكهاي هوش مصنوعي تفسيرپذير، زمينهساز طراحي سيستمهاي تشخيص نفوذ هوشمند، قابل اعتماد و قابل مميزي خواهد بود؛ امري كه بهويژه در محيطهاي پويا و حساس شبكههاي آينده از اهميت ويژهاي برخوردار است.
نام دانشجو
محمد مهماندوست پسيخاني
تاريخ ارائه
12/10/2025 12:00:00 AM
متن كامل
89202
پديد آورنده
محمد مهماندوست
تاريخ ورود اطلاعات
1404/10/15
عنوان به انگليسي
Intrusion Detection in Software-Defined Networking with the Aid of Explainable AI
كليدواژه هاي فارسي
سيستمهاي تشخيص نفوذ مبتني بر يادگيري ماشين , تشخيص نفوذ , هوش مصنوعي تفسيرپذير , شفافيت و اعتمادپذيري در يادگيري ماشين , شبكههاي نرمافزارمحور , امنيت شبكه
كليدواژه هاي لاتين
Machine Learning-based Intrusion Detection Systems , Intrusion Detection , Interpretable Artificial Intelligence , Transparency and Trustworthiness in Machine Learning , Software-Defined Networking , Network Security