دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

بهبود سیستم تشخیص نفوذ با ترکیب هوشمند انتخاب ویژگی و طبقه‌بندهای چندگانه

نویسندگان :

محدّثه نصرآبادی¹ حمیدرضا غفاری²

1- دانشگاه آزاد اسلامی واحد بیرجند 2- دانشگاه آزاد اسلامی واحد فردوس

کلمات کلیدی :

انتخاب ویژگی،تشخیص نفوذ،طبقه‌بند ترکیبی،یادگیری ماشین

چکیده :

با افزایش روزافزون حملات سایبری و پیچیدگی آن‌ها، توسعه سیستم‌های تشخیص نفوذ دقیق و کارآمد به یک نیاز اساسی در حوزه امنیت شبکه تبدیل شده است. در این مقاله، یک روش ترکیبی نوآورانه برای تشخیص نفوذ ارائه شده است که با ادغام تکنیک‌های انتخاب ویژگی و ترکیب طبقه‌بندهای مختلف، سعی در افزایش دقت و کاهش پیچیدگی مدل دارد. در مرحله انتخاب ویژگی، با استفاده از چهار روش آماری شامل RRelief، mRMR، مربع کای و بهره اطلاعاتی، ویژگی‌های مؤثر استخراج و با میانگین‌گیری وزن‌ها، ویژگی‌های نهایی انتخاب شدند. سپس، با بهره‌گیری از ۱۲ طبقه‌بند متنوع شامل الگوریتم‌های کلاسیک و پیشرفته یادگیری ماشین، و استفاده از رای‌گیری اکثریتی میان آن‌ها، یک مدل طبقه‌بندی قدرتمند طراحی شد. عملکرد روش پیشنهادی بر روی سه مجموعه داده استاندارد KDD CUP 99، CICIDS و UNSW-NB ارزیابی شده و نتایج نشان‌دهنده برتری این روش نسبت به روش‌های پیشرفته موجود در معیارهای ارزیابی مختلف مانند دقت، صحت، حساسیت و امتیاز F بوده است. این نتایج نشان می‌دهد که ترکیب مؤثر انتخاب ویژگی و یادگیری جمعی می‌تواند منجر به بهبود چشمگیر در عملکرد سیستم‌های تشخیص نفوذ شود.