مقایسه و بررسی الگوریتم های داده کاوی شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای تشخیص نفوذ

با رشد فناوری اطلاعات امنیت شبکه به عنوان یکی از مباحث مهم و چالش بسیار بزرگ مطرح است. سیستم های تشخیص نفوذ مولفه اصلی یک شبکه امن است. سیستم های تشخیص نفوذ سنتی نمی توانند خود را با حملات جدید تطبیق دهند از این رو سیستم های تشخیص نفوذ مبتنی بر داده کاوی امروزه پیشنهاد می شود. مشخص نمودن الگوهای در حجم زیاد داده، کمک بسیار بزرگی به ما می کند متد های داده کاوی با مشخص نمودن یک برچسب دودودیی (بسته نرما، بسته ناهنجار* و همچنین مشخص نمودن ویژگی ها و خصیصه با الگوریتم های دسته بندی می توانند داده غیرنرمال تشخیص دهند. از همین رو دقت و درستی سیستم های تشخیص نفوذ افزایش یافته و باتبع امنیت شبکه بالا می رود. در این روش ما الگوریتم های مختلف شبکه عصبی مصنوعی و ماشین بردار پشتیبان را روی مجوموعه داده خود تست کرده و بهترین الگوریتم LIBSVM با دقت %78.39 است.

کلیدواژه ها:

سیستم تشخیص نفوذ ، داده کاوی ، بسته ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان