تشخیص نفوذ مبتنی بر تئوری مجموعه های ناهموار و ماشین بردار پشتیبان

در این تحقیق یک سیستم تشخیص نفوذ بر اساس تئوری مجموعه های ناهموار و ماشین بردار پشتیبان به منظور تشخیص بهینهناهنجاری ها در شبکه های رایانهای ارائه شده است. هدف از مدل پیشنهادی افزایش کارایی و سرعت تشخیص، کاهش منابع کامپیوتری نظیر منابعذخیرهسازی و پردازشگر مصرفی میباشد. در مدل پیشنهادی برای انتخاب ویژگیهای مهم، تئوری مجموعه های ناهموار و برای دستهبندی ترافیکشبکه در قالب دسته های عادی و ناهنجار، ماشین بردار پشتیبان به کار گرفته شده است. آزمایش و ارزیابی مدل ارائه شده بر روی مجموعه داده های NSL-KDD که نسخه اصلاح شده KDD-CUP99 می باشد ، انجام گردید. در این مدل کارایی ماشین بردار پشتیبان با شبکه های عصبی مقایسه گردید و نتایج نشان داد که ماشین بردار پشتیبان دارای نرخ تشخیص حملات بیشتر و نرخ اعلان خطای کمتر و در نتیجه کارایی بالاتر نسبت بهشبکه های عصبی می باشد.

کلیدواژه ها:

تشخیص نفوذ ، انتخاب ویژگی ، تئوری مجموعه های ناهموار ، ماشین بردار پشتیبان