ارائه یک راهکار تشخیص نفوذ مبتنی بر تشخیص ناهنجاری در سیستم های ایمنی مصنوعی براساس تشخیص دهنده هایی با شعاع متغیر

سستم های ایمنی مصنوعی از سیستم ایمنی انسانی الهام گرفته اند و راهکارهای جدیدی را در حل مسائل بسیار پیچیده شامل تشخیص خطا ، بهینه سازی و تشخیص ناهنجاری ارائه می کنند انتخاب غیرخودی یکی از مهمترین شاخه ها دراین سیستم ها است که قادر به تشخیص نمونه های نرمال و غیرنرمال براساس قابلیت تمایز خودی / غیرخودی موجوددر مکانیزم ایمنی طبیعی است دراین مقاله یک راهکار جدید در تولید تشخیص دهنده ها در الگوریتم های انتخاب غیرخودی ارائه می گردد راهکار ارائه شده از ایده های موجود در الگوریتم های انتخاب غیرخودی و شبکه های عصبی RCE که نوع خاصی از طبقه بند های کروی هستند بهره می گیرد مرکز تشخیص دهنده ها در فضای حقیقی توصیف می گردد و تشخیص دهنده ها دارای شعاع متغیر هستند برای تست الگوریتم از مجموعه داده NSL-KDD99 استفاده شده و نتایج حاصل از ازمایشات گویای آن است که الگوریتم تا حد زیادی قادر به کنترل تعداد تشخیص دهنده های تولید شده بوده و دارای نرخ تشخیص بالایی است.

Keywords:

انتخاب غیرخودی , تولید تشخیص دهنده , سیستم ایمنی مصنوعی , شبکه عصبی RCE