بررسی روش های انتخاب ویژگی در سیستم تشخیص نفوذ در محیط محاسبات ابری

ترافیک شبکه در محاسبات ابری با حجم زیادی از داده ها، با ابعاد بالقوه بالا و سطوح بالای افزونگی مشخص می شود. پیشرفت ها در فناوری های ارتباطی و دسترسی فراگیر به طیف گسترده ای از خدمات، چالش های بسیاری را باز کرده است. تعداد زیاد حملات سایبری نشان می دهد که راه حل ها و فناوری های امنیتی فعلی، حفاظت موثری در برابر حملات مدرن ارائه نمی کنند. نفوذ یکی از اصلی ترین مسائلی است که می تواند امنیت یک شبکه با هر اندازه ای را به خطر بیندازد. سیستم های تشخیص نفوذ برای نظارت، بازرسی و احتمالا مسدود کردن حملات استفاده می شوند. پیشرفت ها در الگوریتم های یادگیری ماشین، داده کاوی و تکنیک های محاسبات نرم، پتانسیل استفاده در سیستم تشخیص نفوذ را نشان داده اند. همه این فناوری ها، با تعداد زیادی از داده های ترافیک شبکه سر و کار دارند که باعث می شود دامنه داده ها در فضای بیش از حد، پراکنده شوند که مقیاس بندی و قابلیت تعمیم الگوریتم های مختلف را محدود می کند. یکی از راه حل ها برای مقابله با این موضوع استفاده از تکنیک های انتخاب ویژگی برای کاهش ابعاد داده ها است. انتخاب ویژگی فرآیندی است برای انتخاب زیرمجموعه بهینه ویژگی ها از یک مجموعه ویژگی بزرگ برای بهبود دقت طبقه بندی، عملکرد و هزینه. در این مقاله در مورد اجزای الگوریتم انتخاب ویژگی و روش های انتخاب ویژگی (فیلتر، رپر، امبدد) صحبت شده است و چالش های موجود در مسئله انتخاب ویژگی در سیستم های تشخیص نفوذ را بیان کرده است.

کلیدواژه ها:

محاسبات ابری ، سیستم تشخیص نفوذ ، انتخاب ویژگی فیلتر ، انتخاب ویژگی بسته بند ، انتخاب ویژگی توکار.