محمدرضا کاشفی نیشاپوری - عضو هیئت علمی دانشگاه آزاد اسلامی تهران مرکز، تهران
محمد ملکی نیا - عضو هیئت علمی دانشگاه آزاد اسلامی تهران جنوب، تهران
محمد قاسمی زاده - مدرس جهاد دانشگاهی استان خوزستان، اهواز
حمیدرضا عادل خانی - دانشجوی ارشد رشته مدیریت فناوری اطلاعات دانشگاه آزاد اسلامی تهران جنوب، تهران

در عصر اینترنت و با افزایش تعداد کاربران نهایی آن، هر روز، انواع مختلفی از حملات شناخته می شوند. از این رو، تشخیص موثر حملات مختلف با کمک سیستم های تشخیص نفوذ، یکی از مهمترین موضوعات تحقیقاتی است. تحقیقات انجام شده، نشان دهنده اثربخشی روش های یادگیری ماشین در مدیریت سیستم های تشخیص نفوذ است. در این تحقیق، هدف ما افزایش نرخ تشخیص در سیستم های تشخیص نفوذ با استفاده از تکنیک یادگیری ماشینی است. یک IDS مبتنی بر دسته بندی کننده های جمعی نوین ارائه می شود که با استفاده از یک روش ترکیبی، که متشکل از روش های سطح داده و سطح ویژگی می باشد، ایجاد شده است. دسته بندی کننده های جمعی، نظرات کارشناسان و متخصصین مختلف را ترکیب کرده و میزان تشخیص نفوذ را بهبود می بخشند. نتایج تجربی نشان دهنده بهبود نرخ تشخیص سیستم ارائه شده نسبت به روش مرجع است.

سیستم های تشخیص نفوذ، حملات، یادگیری ماشین، دسته بندی کننده جمعی، امنیت اطلاعات