تشخیص جرائم سایبری با استفاده از کاهش بعد به روش انتخاب ویژگی همراه با طبقه بندی ترکیبی به روش رایگیری اکثریت

امروزه امنیت سایبری به دلیل همه گیر شدن استفاده از فضای سایبری به یک مسئله بسیار مهم و حیاتی تبدیل شده است و برای تشخیصجرائم سایبری روشها و راهکارهای مختلفی ارائه شده است. روشهای ارائه شده باید بتوانند تشخیص حمله یا نرمال بودن یک ترافیک درفضای سایبری را با دقت بالا انجام دهند. تکنیک های داده کاوی و استفاده از الگوریتم های طبقه بندی کارآمدی خود را در این زمینه نشانداده است ولی بیشتر روشهای ارائه شده تمرکز بر استفاده از طبقه بندی تکی را دارند و کاهش بعد در این زمینه زیاد مورد توجه قرارنگرفته است. طبقه بندی ترکیبی میتواند کارایی الگوریتم های طبقه بندی را افزایش دهد. همچنین با توجه به اینکه داده های امروزی دارایحجم و ابعاد بسیار بالا هستند، کاهش بعد میتواند از پیچیدگی داده کاسته و مدل ساخته شده توسط الگوریتم های داده کاوی را کارآمدترکند؛ بنابراین در این مقاله هدف این است از الگوریتم های طبقه بندی ترکیبی به روش رای گیری اکثریت همراه با کاهش بعد به روشانتخاب ویژگی جهت تشخیص جرائم سایبری استفاده کنیم. نتایج شبیه سازی در محیط نرم افزار رپیدماینر نشان میدهد وقتی ازالگوریتم های طبقه بندی کا نزدیکترین همسایه، استنتاج قوانین و ماشین بردار پشتیبان به همراه روشکاهش بعد به روش انتخاب ویژگیاستفاده میشود نتایج بهتری حاصل شده است که در مقایسه به روش های پایه در حدود یک درصد بهبود حاصل شده است.

کلیدواژه ها:

تشخیص جرائم سایبری ، طبقه بندی ، کاهش بعد ، طبقه بندی ترکیبی ، انتخاب ویژگی