ترکیب الگوریتم خفاش و میانگین کا برای افزایش دقت تشخیص نفوذ

سیست مهای تشخیص نفوذ، قصد شناسایی حملات را دارند. روش های داد ه کاوی مبتنی بر دسته بندی برای تشخیص نفوذ، اغلب در رویارویی با تغییرات پویا در ویژگی ها و طرح های تشخیص، ناکارآمد هستند. از طرفی رو شهای آموزشی غیر نظارتی، کارایی بهتری در تشخیص حملات جدید دارند. کا- مین ازجمله الگوریتم های خوشه بندی داده کاو محور می باشد که به دلیل پیاده سازی آسان و پیچیدگی زمانی کم، بسیار محبوب می باشد. وابستگی مستقیم الگوریتم کا-مین به مقادیر اولیه تصادفی مراکز خوشه ها باعث شده این الگوریتم در هر بار اجرا نتایج متفاوتی تولید کند که این نتایج همیشه الزاما بهینه نسیتند. به عبارت دیگر طبیعت جستجوی حریصانه این الگوریتم باعث گیرافتادن آن در بهینه مرکزی می شود. لذا در این پژوهش الگوریتم خوشه بندی میانگین کا با ترکیب الگوریتم خفاش معرفی شده است که از بهینه محلی اجتناب می کند. نتایج حاصل از شبیه سازی الگوریتم پیشنهادی برروی مجموعه داده ای مشهور KDD و مقایسه آن با روش های موجود نشان دهنده دقت بیشتر وعملکرد بهتر الگوریتم پیشنهادی نسبت به روش های دیگر ازجمله کا-مین و الگوریتم ازدحام ذرات می باشد.

کلیدواژه ها:

سیست مهای تشخیص نفوذ ، خفاش ، میانگین کا ، ناهنجاری