انتخاب ویژگی مبتنی بر انحنا در سیستم کشف نفوذ

یادگیری ماشین از روش های موفق در پژوهش های اخیر در زمین هی سیستم های کشف نفوذ است. در روش های مبتنی بر یادگیری ماشین، تشخیص نفوذ به عنوان یک مساله ی دسته بندی در نظرگرفته می شود. هر چند، ویژگی های نامرتبط و افزونه از چالش های با اهمیت در دسته بندی هستند، چنین ویژگی هایی سرعت کشف نفوذ را کاهش داده و باعث افت کیفیت آن می شوند.. در این مقاله یک روش انتخاب ویژگی مبتنی بر فیلتر بر مبنای معیار انحنای منگر پیشنهاد شده است. ارزیابی های انجام شده روی مجموعه داده استاندارد Kyoto۲۰۰۶+ نشان دهنده ی کارایی این روش در دسته بندی با شش دسته بند رایج در سیستم های کشف نفوذ است. مقادیر ماتریس اغتشاش دسته بندهای ماشین بردار پشتیبان، درخت تصمیم، k -نزدیک ترین همسایه، جنگل تصادفی و رگرسیون لجستیک بعد از حذف ویژگی های افزونه، کارایی روش پیشنهادی را تایید می کند .

Keywords:

سیستم کشف نفوذ , انتخاب ویژگی مبتنی بر فیلتر , انحنای منگر