دانلود ترجمه مقاله طبقه بندی و بررسی تکنیک های طراحی سیستم های تشخیص نفوذ

1. مقدمه 2. سیستم های تشخیص نفوذ 3. بررسی مجموعه داده و IDS 4. طبقه بندی تهدیدات 5. نتیجه گیری

چکیده – با توجه به اینکه جهان به سمت افزایش وابستگی به کامپیوتر و اتوماسیون پیش می رود، یکی از چالش های اصلی در دهه اخیر، ساخت برنامه ها، سیستم ها و شبکه های امن است. در کنار این چالش ها، به دلیل افزایش سطح حملات از رابط های متعدد ارائه شده برای هر سرویس، تعداد تهدیدها به صورت تصاعدی افزایش یافته است. محققان برای مقابله با این تهدید ها، راه حل های متعددی را پیشنهاد کرده اند؛ با این حال، ابزارهای فعلی اغلب در سازگاری و انطباق با ساختار های همیشه در حال تغییر مرتبط با تهدیدات مربوطه و روز صفر، ناتوان هستند. هدف این تحقیق، آگاهی بخشی به محققین در خصوص طبقه بندی و بررسی ترکیب مجموعه داده های موجود و قابلیت ها و توانایی های سیستم های تشخیص نفوذ (IDS) فعلی می باشد. هدف این طبقه بندی ها و ارزیابی ها، بهبود کارایی IDS و ایجاد مجموعه داده ها برای ساخت IDS نسل جدید، در کنار نمایش دقیق تر تهدیدات شبکه در مجموعه داده های آتی است. لذا، این مقاله طبقه بندی و بررسی تهدیدات شبکه و ابزارهای مرتبط با آن را نیز ارائه می کند. این تحقیق نشان می دهد که IDS های فعلی، تنها 25٪ از طبقه بندی تهدیدها را پوشش می دهد، در حالی که داده های موجود عدم تهدید شبکه واقعی و نمایش حمله را نشان می دهد، اما شامل تعداد زیادی تهدیدات پشتیبانی نشده نمی شود، از این رو دقت ماشین یادگیری IDS فعلی را محدود می کند. علاوه بر این، طبقه بندی ها به صورت منبع باز (Open Source) برای مشارکت عمومی، از طریق پایگاه داده Github در دسترس عموم قرار گرفته است.

With the world moving towards being increasingly dependent on computers and automation, one of the main challenges in the current decade has been to build secure applications, systems and networks. Alongside these challenges, the number of threats is rising exponentially due to the attack surface increasing through numerous interfaces offered for each service. To alleviate the impact of these threats, researchers have proposed numerous solutions; however, current tools often fail to adapt to ever-changing architectures, associated threats and 0-days. This manuscript aims to provide researchers with a taxonomy and survey of current dataset composition and current Intrusion Detection Systems (IDS) capabilities and assets. These taxonomies and surveys aim to improve both the efficiency of IDS and the creation of datasets to build the next generation IDS as well as to reflect networks threats more accurately in future datasets. To this end, this manuscript also provides a taxonomy and survey or network threats and associated tools. The manuscript highlights that current IDS only cover 25% of our threat taxonomy, while current datasets demonstrate clear lack of real-network threats and attack representation, but rather include a large number of deprecated threats, hence limiting the accuracy of current machine learning IDS. Moreover, the taxonomies are open-sourced to allow public contributions through a Github repository.