طراحی مدل تشخیص نفوذ در شبکه با استفاده از سیستم استنتاج عصبی- فازی سازگار ( ANFIS ) و الگوریتم ژنتیک

سیستم تشخیص نفوذ شبکه ابزاری است که برای شناسایی و طبقه بندی نفوذ های شبکه بطور پویا در سیستم های اطلاعات و ارتباطات در دانشگاه ها و صنایع استفاده می شود. استفاده از یک طبقه بندی کننده یادگیری ماشینی جدید و موجود در سیستم تشخیص نفوذ به دلیل این واقعیت است که افزایش سرعت تشخیص و دقت، در حجم وسیعی از داده های امنیتی از جمله ویژگی های متنوع و پویا حملات از اهمیت ویژه ای برخوردار است.. در فرایند استفاده از شبکه های عصبی، داده های شبکه عصبی ابتدا یک سری مقادیر تصادفی را به عنوان وزن ها و بایاس های اولیه شبکه انتخاب می کند و این یکی از معایب آن است. در این راستا به منظور بهبود کارایی و سرعت شبکه عصبی، تعیین مقادیر اولیه برای پارامترهای شبکه عصبی از الگوریتم ژنتیک استفاده گردید. ارزیابی مدل پیشنهادی بر اساس مجموعه داده های KDD99 انجام گرفته است و نتایج حاصله نشان می دهد روش پیشنهادی، روشی موثردر تشخیص نفوذ و ناهنجاری در شبکه های کامپیوتری است.

کلیدواژه ها:

نفوذ در شبکه ، سیستم استنتاج عصبی- فازی سازگار ( ANFIS ) ، الگوریتم ژنتیک