Deep Neural Network Firewall using Personal Computer

Abstract

การวิจัยและพัฒนา Deep Neural Network Firewall มีวัตถุประสงค์เพื่อพัฒนาและเพิ่มประสิทธิภาพกลไกการเรียนรู้โดยใช้ ความสามารถของ Deep Neural Network เพื่อให้ไฟร์วอลล์สามารถเรียนรู้ packet จากชุดข้อมูลและสามารถโต้ตอบภัยคุกคามได้โดยไม่ จําเป็นต้องพึ่งกฏอย่างเดียว จึงวิจัยและพัฒนากฎไฟร์วอลล์โดยใช้ TensorFlow และ Keras มาช่วยในการพัฒนา การพัฒนาไฟร์วอลล์สามารถแบ่งการทํางานได้ 3 ส่วน คือ 1) โปรแกรมสําหรับการสร้าง Packet จากกฎ firewall rules โดยใช้ค่า อัตราส่วนเกําหนดจํานวนชุดของข้อมูล และแปลงรูปแบบข้อมูลเพื่อสามารถเข้าสู่โมเดลได้ 2) โปรแกรมเทรนนิ่ง เพื่อทําให้ไฟร์วอลล์เรียนรู้ จากชุดข้อมูลที่ป้อนเข้าไป 3) โปรแกรมเปรียบเทียบความถูกต้องของผลลัพธ์ เพื่อตรวจสอบความถูกต้องของการทํานายผลลัพธ์ ในการวิจัย และทดลองมีวัตถุประสงค์เพื่อหาค่าอัตราส่วนที่เหมาะสมสําหรับการกําหนดจํานวน packet และเพื่อหาค่าพารามิเตอร์ที่ดีที่สุดสําหรับการเท รนนิ่งสําหรับโมเดลที่จะเป็นส่วนหนึ่งของไฟร์วอลล์ที่ทําให้ไฟร์วอลล์อ้างอิงการตัดสินใจการปล่อยผ่านของ packet ต่อไป ซึ่งการสร้างชุด ข้อมูลจะเริ่มจากการคํานวณความเป็นไปได้ทั้งหมดของ packet ในกฏไฟร์วอลล์แล้วจึงนํามาคํานวณกับค่าอัตราส่วนที่กําหนดไว้ โดยผลลัพธ์ ที่ได้จากการทดลองสามารถสรุปได้ว่าจํานวน Node เพียง 40 Nodes ก็สามารถเทรนชุดข้อมูลให้ได้ผลลัพธ์ที่ดีได้และค่าอัตราส่วนที่ เหมาะสมในการวิจัยนี้ คือค่าอัตราส่วนที่ทําให้ได้จํานวน packet น้อยที่สุดที่สามารถเทรนให้ได้ค่าความถูกต้องที่สูงได้และการเทรนชุดข้อมูล ที่มี default rule ผสมอยู่ ทําให้ได้ค่าความถูกต้องที่มากขึ้นโดยเมื่อเปรียบเทียบกับงานวิจัยแบบเก่าโดยทดลองในจํานวน 2 กฎและ 200 samples ซึ่งการวิจัยแบบใหม่มีค่าความถูกต้องเพิ่มขึ้นมา 2696 ในโครงงานนี้จึงได้สรุปเป็นคําแนะนําสําหรับการสร้างชุดข้อมูล การเทรนนิ่ง และคําแนะนําการเขียนกฏไฟร์วอลล์เพื่อให้ได้โมเดลที่ให้ผลลัพธ์จากการเทรนและการทํานายมีค่าความถูกต้องมากที่สุด