ترکیب شبکه عصبی RBF و روش PCA برای سیستم تشخیص نفوذ

سیستم تشخیص تهاجم وظیفه شناسایی و تشخیص هرگونه استفاده غیرمجاز ازسیستم سوء استفاده و یااسیب رسانی توسط هردودسته کاربران داخلی و خارجی رابرعهده دارند سیستم تشخیص ناهنجاری که به عنوان تشخیص دورافتاده نیز شناخته شده به تشخیص الگوهای موجود دریک مجموعه اطلاعات داده شده که بارفتاربهنجار نرمال ازپیش مقرر شده مطابقت ندارد اشاره دارد بنابراین الگوهای تشخیص داده شده ناهنجاریها نامیده میشوند و همچنین ناهنجاریها به عنوان دورافتادگی تغییر انحراف تعجب نابجایی صفات عجیب نفوذوغیره ارجاع میشوند این مقاله بعدازتوصیف پایگاه داده سپس بادرنظرگرفتن سیستم اموزشی که بصورت مرحله ای می باشد و یادگیرنده درهرمرحله اطلاعات جدیدی کسب می کند یک سیستم تشخیص ناهنجاری بصورت چندمرحله ای پیشنهاد میشود دراین ساختار پس ازمرحله پیش پردازش برروی داده ها و استفاده ازالگوریتم PCA به منظور کم کردن تعدادویژگیها ازپنج شبکه عصبی RBF که هریک بخشی ازپایگاه داده را اموزش می بینند به منظور نتیجه گیری و تشخیص نهایی استفاده میشود نتایج نشان میدهد که مدل پیشنهادی بهبود قابل توجهی ازنظر میزان تشخیص و میزان خطای مثبت درمقایسه با سایرسیستم ها است