بهبود کارایی سیستم تشخیص نفوذ با استفاده از درخت تصمیم تنظیم شده با الگوریتم جستجوی فرکتال تصادفی بهبود یافته ترکیب شده با الگوریتم بهینه سازی نهنگ

با افزایش استفاده از اینترنت، حجم زیادی از اطلاعات بین دستگاه های ارتباطی مختلف رد و بدل می شود. داده ها باید به طور ایمن بین دستگاه های ارتباطی منتقل شوند و بنابراین، امنیت شبکه یکی از حوزه های تحقیقاتی غالب برای سناریوی شبکه فعلی است. سیستم های تشخیص نفوذ به طور گسترده همراه با مکانیسم های امنیتی دیگر مانند فایروال و کنترل دسترسی استفاده می شوند. از سویی دیگر تکامل در سناریوهای حمله به گونه ای بوده است که یافتن سیستم های تشخیص نفوذ کارآمد و بهینه با به روز رسانی های مکرر به یک چالش بزرگ تبدیل شده است. پیاده سازی سیستم تشخیص نفوذ با استفاده از تکنیک های یادگیری ماشین و مجموعه داده های نفوذ بروز شده یکی از راه حل های مدل سازی موثر سیستم تشخیص نفوذ است. در این مقاله یک الگوریتم جستجوی فرکتال تصادفی بهبود یافته با نگاشت های آشوب معرفی شده است. برای بهبود توانایی استخراج این الگوریتم ، از روابط الگوریتم نهنگ به طور ترکیبی با آن استفاده شده است. از این الگوریتم به منظور خوشه بندی داده های نفوذیافته و عادی استفاده شده است. سپس از یک طبقه بندی کننده درخت تصمیم برای دسته بندی داده های نفوذ یافته بر روی مجموعه داده NSL-KDD استفاده شده است. برای ارزیابی روش پیشنهادی نتایج آن با حالت بدون خوشه بندی مقایسه شده است. از نظر معیار خطا و حساسیت برای داده آزمایشی روش پیشنهادی به ترتیب برابر با ۰.۲۲۱۱ ، ۰.۵۸۱۶ و درخت تصمیم بدون خوشه بندی به ترتیب برابر با ۰.۲۴۷۷ ، ۰.۵۶۹۲ بدست آمده است. از نظر معیارهای خصوصیت و صحت نیز روش پیشنهادی نتایج بهتری در مقایسه با درخت تصمیم بدون خوشه بندی بدست آورده است. بنابراین نتایج نشان داد که روش پیشنهادی کارایی و عملکرد بهتری در مقایسه با روش درخت تصمیم بدون خوشه بندی دارد.

کلیدواژه ها:

سیستم تشخیص نفوذ ، الگوریتم جستجوی فرکتال تصادفی ، نگاشت آشوبی ، الگوریتم بهینه سازی نهنگ ، خوشه بندی