تشخیص نفوذ در محاسبات ابری با استفاده از ترکیب شبکه های عصبی دسته بند تجمعی با تکنیک cfs

هر همگام با رشد شبکه های کامپیوتری، حملات و نفوذها به این شبکه ها نیز گسترش یافته و به شکلهای متعددی صورت میپذیرد. به این ترتیب معمولا یک سیستم تشخیص نفوذ میتواند نقش مهمی را در حفظ امنیت و جلوگیری از دسترسی نفوذگرها به شبکه ایجاد کند. هر سیستم تشخیص نفوذ برای تشخیص حمله ممکن است از دو رویکرد تشخیص سوءاستفاده و یا ناهنجاری استفاده کند. شبکه عصبی در روش پیشنهادی با روشهای انتخاب ویژگی تجمعی و روش TF ترکیب شد. همچنین از توابع مختلف آموزشی در شبکه عصبی روش پیشنهادی نیز استفاده شد تا میزان اثربخشی توابع در تشخیص بهتر روش پیشنهادی مورد سنجش قرار گیرد. برای این منظور چندین آزمایش مختلفی صورت گرفت و در هر آزمایش میزان پارامترهای TP،TN، Correct Rate، TPR و ... اندازه گیری شد و روش پیشنهادی توانسته است روش درخت تصمیم C45 را به میزان حدود %28 در دقت تشخیص تقلب بهبود ببخشد. روش پیشنهادی نزدیک به صفر درصد خطا دارد در حالیکه روش C45 حدود %25 برای کلاس 1 و حدود %23 برای کلاس 2 خطا دارد. نتایج حاکی از آن بود که به کارگیری شبکه عصبی به صورت ترکیبی با روش تجمعی که در روش پیشنهادی معرفی شد، در سیستم تشخیص نفوذ ابری تاثیر بهتری نسبت به روشهای نرمال شبکه عصبی دارد.