مدلی برای تشخیص نفوذ چند کلاسه با داده های نامتوازن مجموعه داده CICIDS-۲۰۱۷

امروزه بخش عمده ای از فعالیت ها و تعاملات اقتصادی، تجاری، فرهنگی، اجتماعی و حاکمیتی در تمام کشورها، از طریق فضای سایبر انجام می گیرد. باتوجه به آسیب پذیری های ذاتی موجود در این فضا، مخاطرات سامانه های مبتنی بر آن نیز در حال افزایش می باشند؛ بنابراین، امنیت شبکه ها و سیستم ها در مقابل انواع نفوذ، به یکی از مهم ترین چالش های عصر حاضر تبدیل شده است. در این پژوهش، یک مدل برای تشخیص نفوذ در شبکه، بررسی و پیشنهاد شده است. در روش پیشنهادی که یک روش چند کلاسه می باشد، از الگوریتم سنجاقک برای انتخاب ویژگی و از جنگل تصادفی به منظور دسته بندی استفاده شده است. داده های بکار رفته در پژوهش، مجموعه داده نامتوازن CICIDS-۲۰۱۷ بوده است لذا عملیات متوازن سازی در آن استفاده شده است. مسئله با الگوریتم های مختلف مورد آزمون قرار گرفته و بهترین الگوریتم انتخاب شده است. مقدار صحت در روش پیشنهادی برابر با ۸۵/۹۹ به دست آمده است. همچنین، نتایج پژوهش با چندین روش دیگر که توسط محققان قبلی پیشنهاد شده مورد مقایسه قرار گرفته است و این مقایسه نشان می دهد که روش پیشنهادی نسبت به اکثر پژوهش هایی که در مقاله معرفی شده اند، دارای معیارهای ارزیابی بالاتری بوده است.

Keywords:

تشخیص نفوذ , انتخاب ویژگی , الگوریتم سنجاقک , داده های نامتوازن , CICIDS-۲۰۱۷