میلاد پرون - دانشجوی کارشناسی ارشد دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز
امیر ریخت هگر غیاثی - استاد دانشیار گروه کنترل دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز

این مقاله روی تکنیک های تشخیص بر اساس تولید ویژگی نفوذ تمرکز دارد. در حال حاضر، روش های متعددی بر اساس استخراج قوانین وابستگی کلاسیک برای تشخیص نفوذ ارائه شده است وبسیاری از قوانین جالب تولید می شوند که باعث کاهش کارایی سیستم تشخیص نفوذ می شوند. در این مقاله برای استخراج مرکز خوشه از تکنیک خوشه بندی به روش k_means استفاده شده است. دیتاست استفاده شده KDD_CUP99 که شامل 495000 نمونه می باشد و هر نمونه دیتا یک اتصال شبکه را با یک بردار ویژگی نمایش می دهد. پس از خوشه بندی عملیات استخراج ویژگی از میانگین و واریانس خوشه ها انجام می گیرد و در آخرین مرحله کلاسه بند KNN وظیفه جداسازی کلاس ها از همدیگر را دارد. دقت بدست آمده در این مقاله برابر 98/67 درصد است.

پردازش تصویر، شبکه های عصبی، تصاویر پنهان، یادگیری ماشین