سیستم تشخیص نفوذ به شبکه با استفاده از الگوریتم کفتار خالدار

شبکه های کامپیوتری دارای کاربرد زیادی در عصر امروز بوده و میتوان از آنها برای پردازش، انتقال اطلاعات و اشتراک منابع استفاده نمود. حمات علیه شبکههای کامپیوتری یک چالش مهم بوده و باعث ایجاد اختلال در عملکرد شبکههای کامپیوتری میشود و کارایی آنها را کاهش میدهد. در زمینه تشخیص نفوذ با به کارگیری روش های یادگیری ماشین، هوش مصنوعی و الگوریتم های فراابتکاری به منظور رده بندی و آموزش و انتخاب و یژگی استفاده شده است تا با بازرسی ترافیک ها ی شبکه از محرمانگی، یکپارچگی و دردسترس بودن شبکه محافظت کنند. دراین پژوهش از الگوریتم کفتار خالدار (SHO) به عنوان انتخاب ویژگی دریک رویکرد لفاف و با ترکیب با طبقه بند ماش ین بردار پشتیبان، نزدیکترین همسایگی،درخت تصمیم گیری و جنگل تصادفی از روش های یادگیری ماشین با اعمال روی مجموعه داده UNSWNB-۱۵ استفاده شده تا کارایی (IDS) را بهبود دهد.از آنجا یی که حمله عمومی رایج ترین نوع حمله در مجموعه داده است، هدف اصلی شناسا یی حمات عمومی در ترافیک شبکه است. روش پیشنهادی در به حداقل رساندن میزان خطا ی متقاطع از سایر روشها با طبقه بند RF بهتر عمل کرد. همچنین بهترین نتایج را به ترتیب با۹.۳۹۹ %، ۵۴.۹۹% و ۵۴.۹۹% برای معیارهای دقت، امت یاز F۱ و میانگین G به دست آورد .

کلیدواژه ها:

تشخیص حملات نفوذ ، انتخاب ویژگی ، روشهای تشخیص نفوذ ، الگوریتمها ی فرا ابتکاری ، بهینه ساز کفتار خالدار . (SHO)