مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

136
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

525
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بهبود و موازی سازی سازوکار تشخیص نفوذ شبکه Snort با استفاده از واحد پردازش گرافیکی

صفحات

 صفحه شروع 135 | صفحه پایان 150

چکیده

سامانه تشخیص نفوذ شبکه به منظور برقراری امنیت کامل در شبکه های رایانه ای به طور گسترده مورداستفاده قرار می گیرد. سامانه تشخیص نفوذ شبکه مبتنی بر امضا نسبت به نوع مبتنی بر ناهنجاری به دلیل نرخ هشدار اشتباه پایین تر, از عمومیت بالاتری برخوردار است. فرآیند تطبیق الگو در چنین دستگاهی نیازمند پردازش محاسباتی بالا است. از سوی دیگر توسعه سریع پهنای باند شبکه و سرعت های بالای پیوند که خود موجب از دست رفتن تعداد زیادی از بسته های ورودی در سامانه تشخیص نفوذ شبکه می شود, به عنوان عوامل کلیدی محدودکننده کارایی این نوع سامانه, آن را با چالش هایی روبه رو کرده است. Snort یک سامانه تشخیص نفوذ شبکه مبتنی بر امضا بوده که به دلیل متن باز, رایگان و سبک بودن بسیار پرکاربرد است. در این مقاله جهت بهبود کارایی سامانه تشخیص نفوذ شبکه snort, از ایده کلیدی فیلتر کردن بسته های غیرضروری شبکه بر اساس فهرست سیاه نشانی ها, به عنوان یک سازوکار پیش پردازش استفاده شده است. یکی از چالش های مهم این سازوکار کاهش سرعت فیلتر کردن بسته ها, با افزایش حجم ترافیک شبکه است؛ بنابراین به عنوان بهبود دوم, جهت تسریع عملکرد این سامانه ارائه شده, نسخه موازی آن را روی بستر رمز جهت اجرا روی واحد پردازش گرافیکی ارائه کردیم. الگوریتم پیشنهادی را بر روی مجموعه داده DARPA در یک پردازنده گرافیکی آزمایش شد. نتایج ارزیابی نشان می دهد که روش پیشنهادی با تسریعی بیش از سی برابر نسبت به نسخه متوالی, باعث بهبود قابل توجهی در عملکرد فیلتر بسته مبتنی بر فهرست سیاه می شود. همچنین, بهره وری روش پیشنهادی در استفاده از منابع پردازنده گرافیکی برای اجرای موازی تشخیص نفوذ نسبت به بهترین روش موجود حدود 81 درصد بیشتر است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    عباسی، مهدی، و افشاری حقدوست، مهری. (1400). بهبود و موازی سازی سازوکار تشخیص نفوذ شبکه Snort با استفاده از واحد پردازش گرافیکی. پردازش علایم و داده ها، 18(1 (پیاپی 47) )، 135-150. SID. https://sid.ir/paper/953186/fa

    Vancouver: کپی

    عباسی مهدی، افشاری حقدوست مهری. بهبود و موازی سازی سازوکار تشخیص نفوذ شبکه Snort با استفاده از واحد پردازش گرافیکی. پردازش علایم و داده ها[Internet]. 1400؛18(1 (پیاپی 47) ):135-150. Available from: https://sid.ir/paper/953186/fa

    IEEE: کپی

    مهدی عباسی، و مهری افشاری حقدوست، “بهبود و موازی سازی سازوکار تشخیص نفوذ شبکه Snort با استفاده از واحد پردازش گرافیکی،” پردازش علایم و داده ها، vol. 18، no. 1 (پیاپی 47) ، pp. 135–150، 1400، [Online]. Available: https://sid.ir/paper/953186/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button