استفا ده از روش ایمنی مصنوعی AIS در طبقه بندی الگوها و تشخیص رفتارهای غیرعادی در شبکه

سیستم ایمنی مصنوعی به عنوان یکی از سیستمهای الهام گرفته شده از طبیعت برای حل مسائل محاسباتی معرفی شده است دراین مقاله روش جدیدی براساس الگوریتم انتخاب منفی سیستمهای ایمنی مصنوعی با مقادیر حقیقی برای طبقه بندی اطلاعات به دو دسته پیشنهاد شده است. دراین روش سعی شده از هر دو بخش ایمنی طبیعی شامل ایمنی ذاتی و ایمنی وفقپذیر به صورت همزمان برای یادگیری الگو استفاده شود. ایده اصلی الگوریتم پیشنهادی ایجاد تغییراتی در روند یادگیری یابنده های الگوریتم انتخاب منفی است به گونه ای که بدون نیاز به نرمال سازی داده ها، به پخش یابنده ها، در فضای حل مساله و پوشش آن می پردازد. این الگوریتم برروی مجموعه های مشهوری از داده ها ازمایش شدها ست. نتایج به دستامده برتری قابل ملاحظه روش پیشنهادی را نسبت به روش بیز ساده در طبقه بندی نشان میدهد.

کلیدواژه ها:

طبقه بندی ، سیستم ایمنی مصنوعی ، سیستم های تشخیص نفوذ ، اموزش یابنده ها ، تشخیص رفتارهای غیرعادی