سیستم تشخیص نفوذ به شبکه با استفاده از الگوریتم کفتار خالدار

شبکه های کامپیوتری دارای کاربرد زیادی در عصر امروز بوده و می توان از آنها برای پردازش، انتقال اطلاعات و اشتراک منابع استفاده نمود. حملات علیه شبکه های کامپیوتری یک چالش مهم بوده و باعث ایجاد اختلال در عملکرد شبکه های کامپیوتری می شود و کارایی آنها را کاهش می دهد. در زمینە تشخیص نفوذ با به کارگیری روش های یادگیری ماشین، هوش مصنوعی و الگوریتم های فراابتکاری به منظور رده بندی و آموزش و انتخاب ویژگی استفاده شده است تا با بازرسی ترافیک های شبکه از محرمانگی، یکپارچگی و دردسترس بودن شبکه محافظت کنند. دراین پژوهش از الگوریتم کفتار خالدار (SHO) به عنوان انتخاب ویژگی دریک رویکرد لفاف و با ترکیب با طبقه بند ماشین بردار پشتیبان، نزدیکترین همسایگی،درخت تصمیم گیری و جنگل تصادفی از روش های یادگیری ماشین با اعمال روی مجموعه داده UNSWNB-۱۵ استفاده شده تا کارایی (IDS) را بهبود دهد.از آنجایی که حمله عمومی رایج ترین نوع حمله در مجموعه داده است، هدف اصلی شناسایی حملات عمومی در ترافیک شبکه است. روش پیشنهادی در به حداقل رساندن میزان خطای متقاطع از سایر روش ها با طبقه بند RF بهتر عمل کرد. همچنین بهترین نتایج را به ترتیب با۹۳.۹۹ %، %۹۹.۵۴ و ۹۹.۵۴% برای معیارهای دقت، امتیاز F۱ و میانگین G به دست آورد.