یوسف کرمی - گروه کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
هدی حدادیان نژاد - آموزشکده فنی و حرفه ای سما، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران

در این تحقیق ما از الگوریتم نزدیک ترین همسایه مبتنی بر چگالی نقاط و با ترکیب الگوریتم K-means و K-medios روش جدیدی برای تشخیص نفوذ در شبکه ها ارائه دادیم و در این الگوریتم از روش انتخاب ویژگی ها با استفاده از روش آنتروپی استفاده کردیم و ویژگی های مرتبط را استخراج کردیم. دیتاست مورد استفاده در این تحقیق NSL-KDD که یکی از دیتاست های رایج در زمینه تشخیص نفوذ است و خروجی الگوریتم پیشنهادی را روی دیتاست از نظر معیارهای Acurace، DR، TTR، TNR با الگوریتم پایه نزدیکترین همسایه مبتنی بر چگالی مقایسه کردیم .استفاده ازالگوریتم خوشه بندی K-means در روش نزدیکترین همسایه مبتنی بر چگالی دقت روش پیشنهادی را افزایش می دهد.

تشخیص نفوذ، شبکه های کامپیوتری، خوشه بندی، انتخاب ویژگی