پیاده سازی روش الگوریتم کلونی زنبور عسل در افزایش کارایی سیستم تشخیص نفوذ
- سال انتشار: 1401
- محل انتشار: اولین کنفرانس ملی پژوهش های نوآورانه در مهندسی برق و کامپیوتر
- کد COI اختصاصی: IRECE01_043
- زبان مقاله: فارسی
- تعداد مشاهده: 375
نویسندگان
گروه کامپیوتر، دانشکده فنی و مهندسی، موسسه آموزش عالی کارون، اهواز، ایران
دانشکده مهندسی دریا، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر، ایران
چکیده
کار اصلی سیستم تشخیص نفوذ طبقهبندی فعالیتهای درون شبکه ای به دو دسته نرمال و غیرنرمال است به گونه ای که از طبقه بندیهای نادرست اجتناب شود. هدف اصلی این مقاله افزایش دقت تشخیص و درنتیجه کاهش نرخ تشخیص اشتباه و نیز افزایش سرعت تشخیص نفوذ در راستای افزایش کارایی سیستم تشخیص نفوذ می باشد. در این تحقیق به این سوال پاسخ داده می شود که آیا روش پیشنهادی میتواند با افزایش دقت تشخیص نفوذ، نرخ تشخیص اشتباه را کاهش دهد؟ و نیز آیا روش پیشنهادی میتواند با افزایش سرعت تشخیص، کارایی سیستم تشخیص نفوذ را افزایش دهد؟ در این پژوهش دو فرضیه اصلی برای یک سیستم تشخیص نفوذ در نظر گرفته شده است؛ اول اینکه فعالیتهای مختلف کاربر و برنامه ها توسط سیستم های کامپیوتری در ابعاد مختلف قابل مشاهده هستند و دوم اینکه مکانیسم های نرمال و فعالیتهای نفوذ باید دارای رفتارهای متمایزی باشند. روش تحقیق داده ها در این مقاله به روش الگوریتم بهینه سازی کلونی زنبورعسل می باشد. داده ها از نرم افزار متلب گرفته شده است. ماشینبردار پشتیبان یکی از روشهای یادگیری نظارتی است که از آن برای طبقه بندی و رگرسیون استفاده میشود. نتایج تحقیق نشان داد حالت آموزش ماشینبردار پشتیبان تنها برای موارد نمونه زمانی مناسب است. در روش پیشنهادی، با توجه به این که فاز آموزش و آزمایش به صورت ماژولهای جداگانه طراحی شده اند، روند آموزش و آزمایش میتواند به صورت موازی انجام شود.کلیدواژه ها
خوشه بندی، الگوریتم زنبور عسل، ماشین بردار پشتیبان، تشخیص نفوذ.مقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.