تشخیص نفوذ با استفاده از دسته بندی ترکیبی مبتنی بر شبکه های عصبی با تکیه بر گام انتخاب ویژ گی مگس میوه

تشخیص نفوذ، یکی از روش های عمده و رایج در جهت صیانت از هم بستگی، ایمنی و در دسترس بودن سرمایه های مهم در سیستم های صیانت شده و ا یمن ا ست. اگرچه امروزه از روش های هوشمند داده کاوی (با ناظر و بدون ناظر) برای افزایش راندمان روش های تشخیص نفوذ استفاده می شود اما همچنان حصول کارایی مناسب در بحث تشخیص نفوذ، به نوبه خود، نوعی چالش محسوب می شود. نخست، بسیاری از داده های زاید و نامربوط در مجمموعه داده های با ابعاد بالا، در فرآیند طبقه بندی تشخیص نفوذ، اختلال ایجاد می کنند. دوم، به کارگیری یک طبقه بندی منفرد، مانع تشخیص دقیق و کارآمد می شود؛ بنابراین، در مقاله حاضر، از روش ترکیبی متکی بر روش های شبکه عصبی با تکیه بر پروسه انتخاب ویژگی بهینه سازی مگس میوه پیشنهاد شده است. پروسه یاده شده از الگوریتم بهینه ساز مگس میوه، مبتنی بر فرمول اطلاعات متقابل برای انتخاب ویژگی های کاملا مفید استفاده می کند. یافته های آزمایش ها، به با کارگیری مجموعه داده های KDD-CUP۹۹، نشان از راندمان بهتر گروه پیشنهادی فوق، نسبت به سایر رویکردهای مرتبط دارد.

کلیدواژه ها:

تشخیص نفوذ ، شبکه عصبی ، مگس میوه