تشخیص ناهنجاری در سیاهه های شبکه مبتنی بر جنگل ایزوله

امنیت یکی از نگرانی های اصلی هر سازمان است. ثبت زمان ورود هر شخص از طریق سیاهه های مربوط به شبکه رایج است ، و شناسایی ورودی های ناهنجار برای تشخیص نفوذ در شبکه حائز اهمیت است. از طرفی با توجه به رشد روز افزون نفوذگران در شبکه ها، تشخیص دستی ناهنجاری در سیاهه ها بسیار وقت گ یر، مستعد خطا و غیر ممکن می باشد. در این مقاله یک روش تشخیص ناهنجاری مبتنی بر جنگل ایزوله برای سیاهه دریافتی از شبکه ارائه شده است. این روش به طور مستقیم بر اساس مفهومی استوار است که فعالیت های غیرعادی کاربر با یا بدون قصد نفوذ و تخریب ناهنجاری محسوب می شوند و مستعد انزوا در فضای ویژگی می باشند. نتایج تجربی در مجموعه داده تولید شده نشان می دهد که روش جنگل ایزوله نسبت به چندین روش تشخیص ناهنجاری که به طور گسترده تر استفاده می شوند برتری دارد.

Keywords:

یادگیری ماشین , تشخیص ناهنجاری , جنگل ایزوله , سیاهه