چکیده مقاله
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
کلیدواژهها
نویسندگان
شیوه ارجاع
کمایی، زینب و علوی، سیدعنایت الله و نوری مهر، محمدرضا،1397،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،پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات26 مهر 1397 · بابل