تشخیص نفوذ با استفاده از آشکارسازهای چندگانه در الگوریتم انتخاب منفی

تشخیص نفوذ با استفاده از آشکارسازهای چندگانه در الگوریتم انتخاب منفی

خشایار خوش آرای1 مهدی ملامطلبی2

1) دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی، دانشگاه آزاد اسلامی واحد بوئین زهرا
2) عضو هیات علمی دانشگاه آزاد اسلامی واحد بوئین زهرا

کد IOI مقاله : XYCC-ABDEA
محل انتشار : کنفرانس بین المللی علوم و مهندسی(icesconf.com)
چکیده :
    امروزه با توجه به رشد روز افزون استفاده از شبکه های کامپیوتری، می توان از امنیت به عنوان یکی از ویژگی های مهم دنیای ارتباطات نام برد. برای رسیدن به امنیت تحقیقات زیادی در طول سالهای گذشته انجام شده است. سیستم های تشخیص نفوذ مبتنی بر شبکه به عنوان یکی از چالش های بسیار مهم در عرصه امنیت شبکه مطرح می باشند. الگوریتم ها و روش های مختلفی در این راستا ارائه شده اند. یکی از رویکردهای کارا در این حوزه، استفاده از سیستم های ایمنی مصنوعی می باشد که از عملکرد سیستم ایمنی بدن الهام گرفته است. هدف این مقاله افزایش دقت در طبقه بندی حملات u2r و r2l می باشد که همواره دارای درصد دقت طبقه بندی پایینی می باشد. در روش پیشنهادی مقاله فوق مجموعه جدیدی به نام مجموعه داده غیر نرمال در گام آموزش اضافه شده است و همچنین یک تابع برازش جدید در الگوریتم ژنتیک ارائه شده است و در نهایت روشی نوین در طبقه بندی حملات به جای استفاده از الگوریتم های طبقه بندی موجود طراحی شده است. نتایج بدست آمده مبین افزایش دقت در تشخیص نفوذ و طبقه بندی حملات مذکور می باشد. تمامی شبیه سازی ها بر روی مجموعه داده KDDCUP99 صورت گرفته است.

کلمات کلیدی : شبکه های کامپیوتری سیستم های تشخیص نفوذ سیستم های ایمنی مصنوعی u2r r2l غیر نرمال آشکار ساز