یک روش نوین انتخاب ویژگی فاصله محور در مجموعه داده KDDCUP99 به منظور تشخیص ناهنجاری در الگوریتم انتخاب منفی

یک روش نوین انتخاب ویژگی فاصله محور در مجموعه داده KDDCUP99 به منظور تشخیص ناهنجاری در الگوریتم انتخاب منفی

خشایار خوش آرای1 مهدی ملامطلبی2

1) گروه کامپیوتر، واحد بوئین زهرا، دانشگاه آزاد اسلامی، بوئین زهرا، ایران
2) گروه کامپیوتر، واحد بوئین زهرا، دانشگاه آزاد اسلامی، بوئین زهرا، ایران

کد IOI مقاله : XYCC-ABKDF
محل انتشار : کنفرانس بین المللی علوم و مهندسی(icesconf.com)
چکیده :
    یکی از جالب ترین و در ضمن چالش برانگیز ترین مسائل در سیستم های تشخیص نفوذ، انتخاب ویژگی می باشد. مجموعه داده های مهم و معروف در چنین سیستم هایی معمولا دارای ابعاد زیاد، تکرار های بدون استفاده و ویژگی های غیر ضروری می باشد که اهمیت انجام انتخاب ویژگی را چندین برابر می کند. در این مقاله یک روش جدید انتخاب ویژگی فاصله محور به منظور کاهش ابعاد مجموعه داده KDDCUP99، پیشنهاد شده است. یکی از معایب این مجموعه داده، ابعاد بیش از حد آن می باشد. در این مقاله، از معیار فاصله اقلیدسی به منظور سنجیدن فواصل میان ویژگی های داده های نرمال و داده های غیر نرمال استفاده شده است. الگوریتم پیشنهادی ما منجر به انتخاب 11 ویژگی مهم از میان تمام 41 ویژگی می باشد. عمل تشخیص ناهنجاری با استفاده از الگوریتم سیستم ایمنی مصنوعی انجام شده است. نتایج حاصل از روش پیشنهادی ما نشانگر بهبود تشخیص ناهنجاری در مقایسه با روش های پیشین می باشد.

کلمات کلیدی : انتخاب ویژگی ابعاد kddcup99 تشخیص ناهنجاری انتخاب منفی