تشخیص نفوذ در مجازی سازی در رایانش ابری با استفاده از شبکه عصبی پایه ای- شعاعی با نظارت الگوریتم بهینه سازی ملخ

رایانش ابری در انجام محاسبات عظیم نقش مهمی را ایفا می کند و مدل محاسباتی بسیار ساده ای را برای کاربرانفراهم می آورد که درخواست ها و نیازهای آنها را با کمترین هزینه برای کاربر تامین می نماید. از چالش های مهم استفاده ازبستر رایانش ابری، حفظ امنیت داده ها و جلوگیری از انواع نفوذهای ممکن در آن است. سیستم های تشخیص نفوذ یکی ازمولفه های اصلی سیستم نظارت بر محیط رایانش ابری هستند. در این مقاله یک سیستم یادگیری ترکیبی برای استفاده درسیستم تشخیص نفوذ مجازی سازی در بستر رایانش ابری ارائه شده است. در این مقاله پس از جمع آوری و آماده سازیداده ها از شبکه عصبی پایه ای- شعاعی آموزش یافته با الگوریتم بهینه سازی ملخ به عنوان روش پیشنهادی در جهتتشخیص نفوذ در مجازی سازی در رایانش ابری استفاده می شود و الگوریتم بهینه سازی ملخ مراکز، پارامترهای پراکندگی ووزن های نورون ها در شبکه عصبی پایه ای- شعاعی تعیین می شود و نتایج با k- نزدیکترین همسایه بر اساس انواع خطا و معیارهای کارایی استاندارد مورد مقایسه قرار می گیرد. نتایج شبیه سازی نشان از دقت ۹۶.۳ % در روش پیشنهادی و عملکرد بهتر دارد.

کلیدواژه ها:

تشخیص نفوذ ، مجازی سازی ، رایانش ابری ، شبکه عصبی پایه ای- شعاعی ، الگوریتم بهینه سازی ملخ