سیستم تشخیص نفوذ شبکه به منظور امنیت کامل در شبکههای مختلف به طور گسترده مورد استفاد قرار میگیرد و دارای اهمیت بالایی است. سیستم تشخیص نفوذ شبکه مبتنی بر امضا نسبت به نوع مبتنی بر ناهنجاری بدلیل نرخ هشدار اشتباه پایینتر، از عمومیت بالاتری برخوردار است ؛ اما، بدلیل اینکه فرآیند تطبیق الگو یک بخش پردازش محاسباتی بالا در سیستمهای تشخیص نفوذ شبکه است و حدودا 80 درصد از زمان کل اجرا صرف فرآیند تطبیق الگو میشود و همچنین توسعه سریع فناوری سخت افزار و پهنای باند شبکه و سرعتهای بالای لینک موجب از دست رفتن تعداد زیادی از بسته های ورودی در سیستم تشخیص نفوذ شبکه میگردد، سیستم تشخیص نفوذ شبکه مبتنی بر امضا با چالشهایی روبرو شده است. در این مقاله جهت بهبود کارآیی سیستم تشخیص نفوذ شبکه snort ، از ایده کلیدی فیلتر کردن بستههای غیر ضروری شبکه بر اساس لیست سیاه به عنوان یک مکانیزم پیش پردازش استفاده کرده و الگوریتم فیلتر کردن بستههای شبکه را با مجموعه داده DARPA به منظور موازی سازی بر روی واحد پردازش گرافیکی اجرا کردیم . نتایج نهایی نشان میدهد که روش پیشنهادی موجب تسریع و بهبود بالای عملکرد فیلتر بیان شده میشود.
