تشخیص نفوذبرمبنای آشکارسازهای چندگانه درالگوریتم انتخاب منفی

چکیده مقاله

امروزه باتوجه به رشد روزافزون استفاده ازشبکه های کامپیوتری میتوان ازامنیت به عنوان یکی ازویژگی های مهم دنیای ارتباطات نام برد برای رسیدن به امنیت تحقیقات زیادی درطول سالهای گذشته انجام شده است سیستم های تشخیص نفوذمبتنی برشبکه بهعنوان یکی ازچالشهای مهم درعرصه امنیت شبکه مطرح می باشند تاکنون الگوریتم ها و روشهای مختلفی دراین راستا ارایه شده اند یکی ازاین رویکردهای کارا دراین حوزه استفاده ازسیستم های ایمنی مصنوعی می باشد که ازعملکرد سیستم ایمنی بدن الهام گرفته است هدف این مقاله افزایش دقت درطبقه بندی حملات u2r وr2l می باشد که همواره دارای درصد دقت طبقه بندی پایینی می باشند درروش پیشنهادی مجموعه جدیدی به نام مجموعه داده غیرنرمال درگام اموزش اضافه شده است و همچنین یک تابع برازش جدید درالگوریتم ژنتیک ارایه شده است این کارمنجر به طراحی روشی نوین درطبقه بندی حملات به جای استفاده ازالگوریتم های طبقه بندی موجود شده است تمامی شبیه سازی ها برروی مجموعه داده KDDCUP99 صورت گرفته است نتایج بدست آمده ازازمایشات این تحقیق مبین افزایش دقت درتشخیص نفوذ و طبقه بندی حملات مذکور درمقایسه با کارهای پیشین می باشد

کلیدواژه‌ها

نویسندگان

خشایار خوش آرای

گروه کامپیوترواحد بوئین زهرا دانشگاه آزاد اسلامی بوئین زهرا ایران

مهدی ملامطلبی

گروه کامپیوترواحد بوئین زهرا دانشگاه آزاد اسلامی بوئین زهرا ایران

�وش آرای، خشایار و ملامطلبی، مهدی،1394،تشخیص نفوذبرمبنای آشکارسازهای چندگانه درالگوریتم انتخاب منفی،کنفرانس بین المللی یافته های نوین پژوهشی درمهندسی برق و علوم کامپیوتر،تهران

ارائه‌شده در

مجموعه مقالات سومین کنفرانس ملی محاسبات نرم علوم مهندسی در صنعت و جامعه1 اسفند 1402 · ایرانشهر