بررسی تشخیص نفوذبه شبکه های کامپیوتری با استفاده ازتکنیک های یادگیری ماشین

سیستم تشخیص نفوذ (IDS) یکی از سیستم هایی است که به منظور مانیتور کردن وتحلیل وقایع رخ داده در کامپیوتر استفادهمی شود تا هر گونه انحراف از رفتار عادی در کامپیوتر را تشخیص دهد . در یادگیری ماشین ترکیبی از دسته بندها، به عنواندسته بند ترکیبی شناخته می شوند که اغلب بهتر از دسته بندهای فردی عمل میکنند . درحالی که تعداد زیادی روش ترکیبیوجود دارد. به منظور کاهش نرخ هشدار اشتباه در سیستم تشخیص نفوذ مبتنی بر ناهنجاری ،تکنیک های یادگیری ماشینیبسیاری ،از جمله ماشین برداری پشتیبان (SVM) وماشن یادگیری شدید (ELM)، همراه با شیوه های ترکیبی چندین مدل انجامشده است.هرمدل مزایا ومعایب خاص خود رابه همراه با نرخ تشخیص کلی که در حال افزایش است ، ارائه می دهد. سیستمهای تشخیص نفوذ بخش مهمی از عملیات امنیت کامپیوتر محسوب می شوند .این سیستم ها آخرین خط دفاعی در برابرهکرهای مخرب به شمار می آیند، که قادر به کمک در تشخیص حملات و کاهش آسیب خود هستند .با این حال، سیستمهای تشخیص نفوذ به شدت وابسته به کارشناسان امنیتی کم یاب و پرهزینه برای دستیابی به عملیات موفقیت آمیز می باشند.در این مقاله، به بررسی ماشین بردار در راستای تشخیص نفوذ پرداخته شده است.

Keywords:

تشخیص نفوذ , شبکه های عصبی مصنوعی , یادگیری ماشین , ماشین بردار