تشخیص نفوذ به شبکه با استفاده از یادگیری ماشین مبتنی بر SVM

با توجه به گسترش روز افزون شبکه های کامپیوتری و بحث شبکه بیش از گذشته مورد توجه پژوهشگران قرار گرفته است. در این زمینه تشخیص نفوذ به عنوان یکی از اجزای اصلی برقراری امنیت در شبکههای کامپیوتری شناخته میشود که ابزار اصلی آن کنترل ترافیک شبکه و تحلیل رفتارهای کاربران میباشد یکی از راه های پیاده سازی چنین سیستم هایی استفاده از دسته بندی ها میباشد. که با استفاده از مشخص نمودن الگوها در حجم زیاد داده میتواند کمک بزرگی به ما کند. با استفاده از روش های داده کاوی و مشخص نمودن یک برچسب دودویی(بسته نرمال، بسته غیرنرمال) و همچنین مشخص کردن ویژگی های داده ها که میتوان داده های غیرنرمال را تشخیص داد از این رو دقت درستی سیستم تشخیص نفوذ افزایش مییابد و در نتیجه امنیت شبکه بالا میرود. مدل پیشنهادی این پایان نامه به بررسی الگوریتم SVM در انتخاب خصیصه ها و تاثیر استفاده از الگوریتم های یادگیری ماشین در میزان دقت و میزان تشخیص نفوذ در سیستم میپردازد که نتایج حاصل نشان میدهد که استفاده از این الگوریتم به افزایش میزان دقت و تشخیص درست هشدارها نسبت به روشهای قبلی میانجامد.

کلیدواژه ها:

سیستم تشخیص نفوذ ، الگوریتم ، یادگیری ماشینSVM ، داده کاوی