تشخیص حملات در اینترنت اشیا با استفاده از الگوریتمهای مبتنی بر طبقه بند ترکیبی و بهینه سازی شاهین هریس

شبکه های کامپیوتری به دلیل آسیب پذیر بودن در معرض انواع مختلفی از حملات می باشد. به دلیل بسیاری از ویژگی های ترافیک شبکه، مدل های یادگیری ماشینی برای شناسایی حملات زمان بر می باشد. در این مقاله هدف بر این است یک روش جدید برای تشخیص نفوذ حملات ارایه شود. روش جدید برای تشخیص نفوذ، شبکه استفاده از تکنیک یادگیری ماشین و همچنین الگوریتم بهینه سازی شاهین هریس به منظور افزیش دقت تشخیص در تشخیص نفود در شبکه های کامپیوتری است. روش پیشنهادی به این صورت است که ابتدا به کمک طبقه بندهای منفرد طبقه بندی انجام می شود و سپس با استفاده از طبقه بند نهایی عمل تشخیص انجام می شود. روش پیشنهادی روی مجموعه داده NSL-KDD مورد آزمایش قرار می گیرد. برای ارزیابی روش پیشنهادی از معیارهای دقت، فراخوانی و صحت استفاده می گردد. دقت روش پیشنهادی در بهترین حالت آزمایش بالای ۹۸ درصد بوده که اعتبار آن بر اساس مقایسه با مراجع دیگر قابل تایید است. محقق گرامی بمنظور صرفه جویی در وقت شما در این کنفرانس چکیده و اصل را همزمان دریافت می نماید.

کلیدواژه ها:

تشخیص ناهنجاری ، تشخیص نفوذ ، شاهین هریس ، داده کاوی