هبود SVM با استفاده از K-Mean برای سیستم تشخیص نفوذ

اینترنت یک ابزار ارتباطی حیاتی در سراسر جهان است و نیاز به شبکه های امن رو به افزایش است. سیستم های تشخیص نفوذ (IDS) توسط مدیران برای محافظت در برابر فعالیتهای مخرب با مسدود کردن موثر اتصالات ناشناخته مورد استفاده قرار می گیرند. اقدامات امنیتی سنتی مانند فایروال ها و نرم افزارهای آنتی ویروس محدودیت هایی در جلوگیری از تهدیدات سایبری پیچیده دارند. یادگیری ماشین با یادگیری الگوهای حمله و سازگاری با تهدیدات جدید در زمان واقعی، نقش کلیدی در افزایش قابلیت های IDS ایفا می کند. ماشین های بردار پشتیبان (SVM) برای وظایف طبقه بندی غیرخطی مانند IDS محبوب هستند. در حالی که IDS می تواند حملات شناخته شده را تشخیص دهد، به روزرسانی های مداوم برای شناسایی تهدیدات جدید ضروری است. ویژگی های خاص IDS نقش مهمی در تشخیص حملات خاص دارند و آنها را در تشخیص تهدیدات ناشناخته موثرتر می کنند. به طور کلی، مطالعه IDS برای افزایش امنیت شبکه، تضمین ایمنی ارتباطات و ذخیره سازی داده ها بسیار مهم است.

کلیدواژه ها:

سیستمهای تشخیص نفوذ ، بردار پشتیبان ، امنیت شبکه