سیستم تشخیص نفوذ به شبکه با استفاده از الگوریتم بهینه ساز پنگوئن امپراتور

با گسترش روزافزون انواع شبکه های کامپیوتری تشخیص نفوذ در شبکه به چالشی حیاتی تبدیل شده است. الگوریتم های یادگیری ماشین توانسته اند بسیار بهتر از روش های سنتی حملات را شناسایی کنند. در این تحقیق ما الگوریتم فراابتکاری پنگوئن امپراتور (EPO) را به منظور انتخاب ویژگی به کار گرفته ایم تا با ترکیب آن با الگوریتم های طبقه بند یادگیری ماشین، کارایی سیستم تشخیص نفوذ (IDS) را در شناسایی ترافیک عادی و غیرعادی در شبکه بهبود دهیم. برای ارزیابی کارایی روش پیشنهادی، آن را بر روی کلاس حمله عمومی از مجموعه داده UNW-NB۱۵ آزمایش کردیم و توانستیم به دقتی بیش از ۹۸ درصد در سه الگوریتم طبقه بند SVM، KNN و درخت تصمیم برسیم.