تحلیل کنترل تشخیص نفوذ در شبکه های کامپیوتری با استفاده از روش های مبتنی برالگوریتم های تکاملی و یادگیری ماشین

امروزه یکی از تهدیدات و چالش های اساسی در سیستم های کامپیوتری و شبکه ها، حملات غیرفعال از طریق نرم افزار های مخرب است که بیشتر کاربران را تهدید می کند. این نرم افرارهای مخرب در سیستم ها می تواند کدهای قابل تغییر و مبهم خود را در زمان حمله انتشار و اجرا کنند. در این تحقیق با استفاده از روشهای شمارنده های عملکرد سخت افزاری، تحمل پذیری خطا در کنترل تشخیص نفوذ، بصورت عملی بر روی سیستم مورد نظر بررسی می شود. در این مقاله تحلیل سیستمهای تشخیص نفود در شبکه های کامپیوتری با استفاده از روش های مبتی بر الگوریتم های تکاملی و الگوریتم های یادگیری ماشین با شمارنده های سخت افزاری مورد بررسی و آنالیز قرار گرفته است. کاهش ویژگی ها و ابعاد مساله با الگوریتم های تکاملی و آموزش و پیش بینی بدافزارها و کدهای مخرب و تشخیص نفوذ با بهره گیری از الگوریتم های یادگیری ماشین صورت گرفته است. نتایج شبیه سازی دقت بالا و بهبود علملکرد و تحمل خطا را نسبت به روش های پیشین نشان می دهد.

Keywords:

سیستمهای تشخیص نفوذ , بد افزار , تحمل پذیری خطا , یادگیری ماشین , تکاملی