تشخیص ناهنجاری در اینترنت اشیا به کمک الگوریتمهای بهبود نفوذ درخت تصمیم و جنگل تصادفی

امروزه پیشرفت فناوری اطالعات و ارتباطات تاثیر زیادی در روش زندگی مردم دارد. بطوری که بسیاری از نیازهای مردم شامل مجازی سازی فرا یندها، تجارت الکترونیکی،دانشگاه الکترونیکی و غیره را به سادگی و در کوتاه ترین زمان ممکن فراهم میکند. اما باوجود مزا یای فراوان در استفاده از فناوری اطلاعات و ارتباطات ، تهدیدات و حمله به اطلاعات و ایجاد خرابی در شبکه های مجازی هم روز بروز بیشتر میشود.بنابرا ین ضرورت استفاده از سیستم های تشخیص نفوذ مناسب نقش برجسته ای در شناسا یی حملات مخرب و دسترسی غیر مجاز به اطلاعات خواهد داشت. در بسیاری از سیستم های تشخیص نفوذ، اشتباها برخی دسترسی های مجاز هم به عنوان حمله شناسایی میشود که از دقت و صحت آنها کم میکند. در این مقاله با استفاده از تکنیک درخت تصمیم و جنگل تصادفی در دسته بندی اطلاعات به کار گیری تکنیک های کاهش ابعاد دادهها و تکنیک های انتخاب و یژگی ، ترکیب روشInfoGain و GainRatio روش جدیدی جهت بهبود دقت سیستم های تشخیص نفوذ ارائه شده است. نتایج آزما یش عملی روش ارائه شده، به کمک ابزار موجود در نرم افزار Weka و برروی مجموعه داده استاندارد KDD۹۹ ، نشان میدهد که دقت تشخیص درست دسترسی غیر مجاز در روش پیشنهادی در جنگل تصادفی به اندازه ی ۰.۱% بهبود یافته است .

کلیدواژه ها:

اینترنت اشیا ، تشخیص ناهنجاری ، یادگیری عمیق ، سیستم تشخیص نفوذ مبتنی بر شبکه ، درخت تصمیم ، جنگل تصادفی