ارائه یک روش ترکیبی موازی مبتنی بر احتمال پسین تشخیص برای تشخیص نفوذ در شبکه های کامپیوتری

در این پژوهش یک سیستم تشخیص نفوذ جدید با استفاده از ترکیب الگوریتم های طبقه بند ارائه شده است. مدل پیشنهاد شده با استفاده از ترکیب الگوریتم های طبقه بندی به صورت چندگانه، عمل می کند. هر چند که تاکنون مدل های زیادی بر اساس ترکیب طبقه بند نزدیک ترین همسایه و درخت تصمیم مخصوصا بصورت آبشاری ارائه شده است ولی برخلاف روش های آبشاری که گروه های مشخصی وجود دارد و هر گروه در یک مرحله از بقیه جدا می شود درروش پیشنهادی از احتمال پسین تشخیص داده ها استفاده می کند و برخلاف روش های آبشاری قابلیت موازیسازی دارد. در ابتدا الگوریتم نزدیکترین همسایه علاوه بر تشخیص نوع داده احتمال پسین تشخیص را هم مشخص می کند. در مرحله بعد داده هایی که دارای احتمال پسین کمتر می باشند به الگوریتم دیگر یعنی درخت تصمیم برای تشخیص درست داده می شوند. از مزایای این روش این است که درصد کمی از داده ها که معمولا داده هایی هستند که الگوریتم های تشخیصی در کارهای قبلی در تشخیص آنها دچار مشکل می باشند برای تشخیص به الگوریتم دوم می روند بنابراین ازلحاظ سرعت الگوریتم تغییر محسوسی نخواهد کرد. علاوه بر این امکان وجود دارد که پس از آموزش طبقه بند دوم هر دو طبقه بند را به صورت موازی اجرا نمود و فقط نتایج تشخیص داده هایی که دارای احتمال پسین کم می باشند را از نتایج طبقه بند دوم موازی استفاده نمود. نتایج شبیه سازی نشان می دهد که دارای عملکرد بهتر نسبت به کارهای دیگر می باشد.

Keywords:

نزدیکترین K , تشخیص نفوذ همسایه , درخت تصمیم , پردازش موازی