تشخیص نفوذ در شبکه های کامپیوتری با استفاده از انتخاب ویژگی توسط طبقه بندی کننده ی شبکه عصبی تلفیقی و الگوریتم جستجوی رقابت استعماری

برای ایجاد امنیت داده ها در شبکه کامپیوتری، علاوه بر دیوار آتش و سایر مکانیزم های امنیتی،سیستمهای دیگری به نام تشخیص نفوذ مورد نیاز میباشد تا بتواند در صورتی که نفوذگر از تجهیزات امنیتی عبور کرد، آن را تشخیص دهد. تشخیص نفوذ، با مشکلاتی از قبیل حجم عظیم ترافیک شبکه، توزیع داده های بسیار نامتعادل، سختی شناسایی مرزهای تصمیم گیری بین رفتار طبیعی و غیرطبیعی، مواجه است.محققان بسیاری از مناظر مختلفی به مسیله ی تشخیص نفوذ پرداخته اند.در اغلب اوقات هدف از تحقیق، افزایش دقت تشخیص بوده است.یکی از روش هایی که برای افزایش دقت به کار برده می شود روش کاهش ویژگی می باشد.انتخاب ویژگی، یکی از مسایلی است که در مبحث یادگیری ماشین مطرح است. این مساله در بسیاری از کاربردها (مانند طبقه بندی) اهمیت به سزایی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد، که بار اطلاعاتی چندانی ندارند. حذف نکردن این ویژگی ها باعث افزایش بار محاسباتی برای کاربرد مورد نظر می شود و همچنین باعث می شود که اطلاعات غیر مفید زیادی را به همراه داده های مفید ذخیره کنیم. از طرفی در بعضی موارد داشتن اطلاعات غیر مفید باعث افزایش خطای طبقه بندی می شود.انتخاب ویژگی شامل دو دسته کلی فیلتری و پوششی می باشد که در این مقاله از روش پوششی استفاده شده است. طبقه بند مورد استفاده تلفیقی از دو شبکه ی عصبی شناخته شده می باشد و از الگوریتم رقابت استعماری به عنوان تابع جستجو استفاده شده است.در انتها با استفاده از شاخص های معرفی شده کارایی روش پیشنهادی با سایر روش ها مقایسه گردیده است.

کلیدواژه ها:

انتخاب ویژگی پوششی ، انتخاب ویژگی فیلتری ، طبقه بند تلفیقی ، طبقه بند شبکه عصبی ، تشخیص نفوذ با انتخاب ویژگی