تشخیص نفوذ در محیط ابری بر اساس الگوریتم های آموزش ماشین

سیستم تشخیص نفوذ (IDS) یک جزء مهم برای حفظ امنیت شبکه است. یک سیستم زمانی ایمن است که یکپارچگی و دسترس پذیری محرمانه را برای کاربرانش فراهم کند. از آنجایی که سیستمهای کامپیوتری مبتنی بر شبکه نقش مهمی را در جوامع امروز بازی میکنند، در معرض حملات و نفوذ بیشتری هستند. همه روشهای مختلف استفاده شده برای تشخیص نفوذ از قبیل مدلهای آماری، رویکرد سیستم ایمنی، شبکه های عصبی و ... ، این حقیقت را که از همه ویژگیهای یک بسته اطلاعاتی در شبکه برای تشخیص نفوذ استفاده میشود را تضعیف میکنند. همچنین حجم عظیم اطلاعات مسئله مهمی در تشخیص نفوذ است. بنابراین در این مقاله، از روش انتخاب ویژگی مرکزیت بردار ویژه برای انتخاب ویژگیهای مهمتر استفاده شده است. همچنین برای شناسایی خودکار الگوهای جدید و مشکوک در تلاش برای نفوذ و همچنین افزایش دقت تشخیص نفوذ در رایانش ابری از سه روش آنسامبل برای طبقه بندی داده ها استفاده شده است. جهت ارزیابی نتایج حاصل از انتخاب ویژگی و مقایسه روشهای طبقه بندی در این مقاله از پایگاه داده KDD99 استفاده شده است.

کلیدواژه ها:

تشخیص نفوذ ، انتخاب ویژگی ، الگوریتم طبقه بندی