تشخیص نفوذ با استفاده از روش کاهش ویژگی مبتنی بر روش استخراج ویژگی تحلیل تفکیک خطی نیمه نظارتی و انتخاب بهینه ویژگی با استفاده از الگوریتم ژنتیک

هدف ما در این پژوهش ارایه روشی برای حل مساله تشخیص نفوذ با استفاده از روش کاهش ویژگی مبتنی بر یک روش استخراج ویژگی بر پایه الگوریتم تحلیل تفکیک خطی نیمه نظارتی (SLDA) و یک روش انتخاب ویژگی مبتنی بر الگوریتم تکاملی ژنتیک جهت انتخاب بهینه ویژگی ها می باشد، به نحوی که نرخ تشخیص نفوذ و دقت را افزایش داده و نرخ هشدارهای نادرست را کاهش دهیم که برای تشخیص نفوذ از الگوریتم شبکه عصبی مصنوعی جهت طبقه بندی دادهها استفاده شده است .(GA-ANN) نتایج حاصل از این کار همچنین با نتایج حاصل از تشخیص نفوذ با استفاده از روش نظارتی مبتنی بر الگوریتم درخت تصمیم گیری ID3 و الگوریتم بهینه سازی ماهی سپیداج (CFA) که تنها به کاهش ویژگیها با استفاده از انتخاب بهینه آنها پرداخته است، مقایسه شده است. نتایج نمایانگر کارامدتر بودن روش ارایه شده در این تحقیق نسبت به روش (CFA-ID3) میباشد. از دیگر مزایای استفاده از این روش، استفاده از رنج وسیعی از دادههای بدون برچسب در کنار دادههای برچسب دار میباشد و از آنجایی که فراهم کردن دادههای برچسب دار بسیار پرهزینه، سخت و زمان بر می باشد، در نتیجه با ارایه این روش از یک جامعه آماری بیشتر و در عین حال کم هزینه تر نیز استفاده شده است که همراه با حذف زمان مورد نیاز جهت تهیه دادههای برچسب دار تشخیص نفوذ را جامع تر، در عین حال کم هزینه تر و سریع تر در اختیار کاربران قرار میدهد که این مزایا می تواند روش پیشنهادی را به روشی کاربردی تبدیل نماید.

کلیدواژه ها:

تحلیل تفکیک خطی نیمه نظارتی ، الگوریتم ژنتیک ، تشخیص نفوذ ، طبقه بندی