معیار Z-Score یک مفهوم آماری است که ارتباط یک متغییر تصادفی در یک جامعه آماری را نسبت به میانگین جامعه بازنمایی می کند. این معیار نشان می دهد که مقدار یک متغییر تصادفی در یک جامعه آماری نرمال یا غیرنرمال می باشد. با این معیار می توان جامعه های آماری مختلف را به صورت بازه ای قابل مقایسه با یکدیگر تبدیل کرد. یکی از کاربردهای این امتیاز در زندگی واقعی امتحان قابلیت استفاده^[۱۱۶] می باشد. این معیار نشان می دهد که یک متغییر تصادفی به اندازه چند واحد انحراف معیار از میانگین فاصله دارد. برای محاسبه این معیار از فرمول زیر استفاده می شود.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

در شکل زیر می توانید رفتار یک جامعه آماری را در قبال معیار z-score مشاهده کنید.
نمودار توزیع z-score.
با بهره گرفتن از این معیار در این پژوهش، معیاری ارائه داده ایم تا به شناسایی نفوذگران در شبکه بپردازیم. چرا که این معیار قادر به بازنمایی افرادی است که در جامعه رفتار متفاوتی از خود نشان می دهند. فرمول ارائه شده در زیر بر همین مبنا ارائه شده است.
در فرمول فوق میانگین و انحراف معیار درجه ارتباطی گره های شبکه می باشد. متغییر تصادفی یا همان درجه کلی گره است. همچنین درجه خروجی گره و درجه ورودی گره می باشد. در این معیار دو پارامتر میانگین و انحراف معیار در شبکه می بایست یاد گرفته شوند. در نتیجه این معیار نیاز به مدت زمانی جهت مشاهده و تخمین میانگین و انحراف معیار شبکه دارد. مزیت استفاده از این معیار این است که می توان رفتار یک فرد را در شبکه های متفاوت بررسی و رهگیری کرد.

• شناسایی نفوذگران

در روش ارائه شده یک سری معیارهای شباهت معرفی شده که می تواند در زمینه شناسایی نفوذگران کارگشای سیستم های امنیتی باشد. معیارهای ارائه شده برای تمامی میزبان ها در شبکه محاسبه می شود. سپس به صورت تکی با در نظر گرفتن حد آستانه تنظیم شده جهت شبکه و یا به صورت گروهی با بهره گرفتن از کلاسه کننده ها می تواند نفوذگران احتمالی را شناسایی کند.
فصل پنجم

• آزمایشات و نتایج

• مقدمه

در این فصل به بررسی تاثیرات حاصل از اعمال معیارهای شباهت در شناسایی نفوذگران در شبکه می پردازیم. در ابتدا دربخش ۵-۲ به بررسی نحوه ساخت گراف و پارامترهای تاثیر گذار در این پردازش خواهیم پرداخت. سپس در بخش ۵-۳ روند ساخت گراف یک سویه بر مبنای گراف دو سویه بررسی خواهیم کرد. به عنوان نتایج این کار معیارها به صورت تکی و جمعی بررسی خواهد شد.

• شبیه سازی گراف شبکه

همان طور که گفته شد برای شبیه سازی ساختار شبکه و تولید ترافیک نرمال از توزیع Power law استفاده شده است. در دنیای واقعی بسیاری از شبکه ها دارای ساختار Scale free می باشند و از توزیع ذکر شده استفاده می کنند. در این توزیع تعداد اندکی از میزبان ها دارای درجه کلی بسیار بالا تر از میانگین شبکه و تعداد زیادی از میزبان ها دارای درجه کلی بسیار کم تر از میانگین شبکه می باشند.
در تولید ترافیک نرمال، یک سری پارامتر وجود دارد که نیاز به بررسی بیشتر دارد. این پارامترهای مرتبط با شبکه شامل α و و نیز تعداد نفوذگران می باشند. جهت بررسی این پارامترها از دو معیار ضریب خوشه بندی محلی و ضریب خوشه بندی وزن دار محلی استفاده شده است.

•  پارامتر α: این پارامتر نوعی وزن به گره های با درجه ورودی بالا می دهد. هر چه مقدار این پارامتر بیشتر باشد گره های با در جه ورودی بالاتر شانس بیشتری جهت ارتباط با گره تازه وارد به شبکه دارند. به ازای مقادیر متفاوت α گراف شبکه را شکل داده و با بهره گرفتن از دو معیار ذکر شده به شناسایی نفوذگران پرداختیم. در شکل زیر نتایج این آزمایش را مشاهده می کنید.

نتایج شناسایی نفوذگران در شبکه هایی با مقدار α متغییر. در قسمت (a) پارامتر α دارای مقدار ۰٫۲، در قسمت (b) پارامتر α دارای مقدار ۰٫۵، در قسمت © پارامتر α دارای مقدار ۰٫۷ و نیز در قسمت (d) پارامتر α دارای مقدار ۰٫۲ می باشد.

• پارامتر : این پارامتر تعداد گره های اولیه را در هنگام ساخت شبکه تعیین می کند. در ابتدا به تعداد گره وارد شبکه می شود و به طور تصادفی بین آن ها لبه ایجاد می شود. پس از این مرحله مقداردهی، گره ها یکی یکی به شبکه اضافه می شوند و بر اساس فرمول Power law بین آن ها و یکی از نود ها که دارای بالاترین احتمال است لبه ایجاد می شود. میزان این پارامتر بر روند شناسایی توسط ضریب خوشه بندی محلی موثر است. حال آن که بر روی معیار شناسایی ضریب خوشه بندی وزن دار محلی نسبتا بی تاثیر است. شایان ذکر است گراف شبیه سازی شده دارای ۱۰۰۰ گره می باشد. در شکل زیر می توانید تاثیر تغییرات این پارامتر را بر معیارهای شناسایی ذکر شده مشاهده کنید.

نتایج شناسایی نفوذگران در شبکه هایی با مقدار متغییر. در قسمت (a) پارامتر دارای مقدار ۱۰، در قسمت (b) پارامتر دارای مقدار ۵۰، در قسمت © پارامتر دارای مقدار ۱۰۰ و نیز در قسمت (d) پارامتر دارای مقدار ۲۰۰ می باشد.

• پارامتر تعداد نفوذگران: پس از ساخت گراف شبکه، نفوذگران به شبکه تزریق می شوند. نفوذگران طعمه های خود را به صورت تصادفی انتخاب کرده و با آن ها ارتباط برقرار می کنند. تعداد نفوذگران نسبت به افراد عادی بسیار کمتر می باشد. در نتیجه مجموعه داده مرتبط با تشخیص نفوذ جزء دسته مجموعه دادهای نا متوازن^[۱۱۷] می باشد. در بررسی های انجام شده مشخص شد که روش تحلیل شبکه های اجتماعی نسبت به تغییرات درصد نفوذگران در شبکه چندان حساس نمی باشد. در شکل زیر نتایج حاصل از تزریق درصدهای متفاوت نفوذگران به ساختار شبکه با توجه به دو معیار ضریب خوشه بندی محلی و ضریب خوشه بندی وزن دار می توان مشاهده کرد.

نتایج شناسایی نفوذگران در شبکه هایی با توجه به درصد متغییر نفوذگران. در قسمت (a) درصد نفوذگران مقدار ۰٫۰۲، در قسمت (b) درصد نفوذگران مقدار ۰٫۰۴ در قسمت © درصد نفوذگران مقدار ۰٫۰۵و نیز در قسمت (d) درصد نفوذگران مقدار ۰٫۰۸ می باشد.