شناسایی نفوذ با استفاده از طبقه بند تجمیعی بهبود یافته

شناسایی نفوذ یکی از چالش های اساسی در حوزه ی امنیت شبکه است که هدف آن تشخیص فعالیت های غیرمجاز و رفتارهای مشکوک در سیستم های رایانه ای می باشد. در سال های اخیر، مطالعات متعددی با بهره گیری از الگوریتم های یادگیری ماشین برای بهبود دقت، سرعت و کاهش نرخ خطا در سیستم های شناسایی نفوذ انجام شده است. در این پژوهش، با هدف افزایش کارایی و بهره وری سیستم، از رویکرد ترکیبی مبتنی بر چند طبقه بند سنتی استفاده شده است. به این منظور، از سه الگوریتم رایج یادگیری ماشین که شامل ماشین بردار پشتیبان، درخت تصمیم و نایو بیز هستند، پیاده سازی و سپس نتایج آن ها با یک روش تجمیع مناسب ترکیب گردید تا نقاط قوت هر مدل تقویت و ضعف های آن ها کاهش یابد. ارزیابی انجام شده بر روی داده های استاندارد نشان داد که روش ترکیبی پیشنهادی توانسته است در مقایسه با روش های منفرد، دقت بالاتر، نرخ تشخیص بهتر و نرخ خطای پایین تری را در شناسایی نفوذ به دست آورد.

کلیدواژه ها:

شناسایی نفوذ ، یادگیری ماشین ، یادگیری تجمیعی ، سیستم فناوری اطلاعات ، امنیت سایبری