سیستم تشخیص نفوذ بهبود یافته مبتنی بر الگوریتم ژنتیک خود تطبیق جزیره ای برای حل ماشین بردار پشتیبان به صورت یادگیری چندهسته ای با کد کننده های خودکار

نفوذ به سیستم ها از طریق زیرساخت شبکه و اینترنت یکی از چالش های امنیتی است که دنیای فناوری اطلاعات و ارتباطات را با آن روبرو کرده است و می تواند منجر به تخریب سیستم ها و دسترسی به داده ها و اطلاعات گردد. در این مقاله یک مدل ماشین بردار پشتیبان که هسته های آن وزن دار شده به همراه پارامترهای هسته های ماشین بردار پشتیبان برای سیستم تشخیص نفوذ ارائه شده است. با توجه به پیچیدگی محاسباتی این مدل، روش الگوریتم ژنتیک جزیره ای پویای خود تطبیقی پیشنهاد شده تا پیچیدگی محاسبات را کم نماید. در این روش از اتوانکودر نیز برای کاهش حجم داده ها استفاده شده است. روش پیشنهادی یک روش ترکیبی پیشنهادی مبتنی بر اتوانکودر و ماشین بردار پشتیبان بهبودیافته با الگوریتم ژنتیک جزیره ای پویای خود تطبیق است که دقت بهتری در مسائل تشخیص نفوذ را نشان می­دهد. نتایج شبیه­ سازی بر روی مجموعه داده DARPA برای تست عملکرد مورد استفاده قرار گرفته است.

کلیدواژه ها:

سیستم های تشخیص نفوذ ، ماشین بردار پشتیبان ، کلان داده ها ، الگوریتم ژنتیک جزیره ای و الگوریتم ژنتیک خود تطبیق