تشخیص نفوذ مبتنی بر ترکیب طبقه بندها برای بهبود دقت تشخیص حملات Probe و R۲L

برای شناسایی حملات که نوعی چالشی امنیتی می باشند با توجه به پیشرفتهای اخیر کارهای زیادی در زمینه تشخیص نفوذ حملات انجام شده که عمده روشهای اخیر از الگوریتمهای طبقه بندی استفاده کرده اند که این کارها در زمینه دقت کلی به نتایج قابل قبولی رسیدهاند ولی در مورد تشخیص دو حمله Probe و R۲L دقت روشهای موجود کافی به نظر نمیرسد بنابراین در این مقاله رویکرد جدیدی ارائه می شود که دقت تشخیص این دو نوع حمله افزایش یابد و برای رسیدن به این هدف استفاده از ترکیب سه طبقه بند نزدیکترین همسایه وNaive Bayes و درخت تصمیم با عملگر Vote برای بهبود دقت تشخیص حملات مذکور پیشنهاد میگردد و برای انجام ارزیابی از مجموعه داده KDD cup۹۹ استفاده شده است که برای انجام کاهش ویژگی از ابزار PCA استفاده کرده و سپس با توجه به ترکیب سه طبقهبند مبتنی بر رای گیری نتایج حاصل میگردد. یافته های بدست آمده نشان میدهد که میزان دقت مدل پیشنهادی افزایش پیدا کرده است.که دقت %۹۶.۶۷ برای حمله های Probe و دقت %۹۸.۶۸ برای حمله های R۲L بدست آمده است.

کلیدواژه ها:

تشخیص نفوذ ، ترکیب طبقه بندها ، رای گیری ، طبقه بند ، دقت تشخیص ، Probe ، R۲L