مدلی برای تشخیص نفوذ چندکلاسه با استفاده از یادگیری ماشین و انتخاب ویژگی سنجاقک

با افزایش خدمات شبکه ای، تعداد و پیچیدگی حملات در فضای سایبر افزایش یافته است. لذا امنیت در شبکه ها، سیستم ها و برنامه های کاربردی به یکی از مهم ترین چالش ها در عصر حاضر تبدیل شده است. سیستم های تشخیص نفوذ به عنوان یک روش دفاعی بسیار مهم برای تشخیص حملات شبکه ای، به منظور هشدار به مسئولین شبکه یا برنامه های کاربردی بکار می رود. در این پژوهش، یک مدل برای تشخیص نفوذ چند کلاسه پیشنهاد شده است. در روش پیشنهادی از الگوریتم سنجاقک برای انتخاب ویژگی و از الگوریتم جنگل تصادفی به منظور دسته بندی استفاده شده است. داده های بکار رفته در پژوهش، مجموعه داده KDD-۹۹ بوده است و عملیات متوازن سازی در آن استفاده شده است. مسئله با الگوریتم های مختلف یادگیری ماشین و یادگیری عمیق مورد آزمون قرار گرفته و بهترین الگوریتم انتخاب شده است. مقدار صحت در روش پیشنهادی مقدار ۹۹.۸۳ به دست آمده است. نتایج پژوهش با نتایج چندین پژوهش دیگر که توسط محققان پیشنهاد شده مورد مقایسه قرار گرفته است و این مقایسه نشان می دهد که روش پیشنهادی نسبت به اکثر روش های دیگر دارای مقدار صحت بالاتری بوده است.

Keywords:

تشخیص نفوذ , چندکلاسه , الگوریتم سنجاقک , جنگل تصادفی , KDD-۹۹