بزرگمهر مقدسی - دانشجوی کارشناسی ارشد مهندسی IT موسسه آموزش عالی پاسارگاد شیراز
سام حمزه لو - استادیار موسسه آموزش عالی پاسارگاد شیراز
المیرا آشورماهانی - عضو هیئت علمی موسسه آموزش عالی پاسارگاد شیراز

امنیت شبکه کامپیوتری در دهه های اخیر اهمیت فزاینده ای پیدا کرده است، در حالی که سیستم تشخیص ترافیک مخرب نقشمهمی در محافظت از آن ایفا می کند. تکینک های یادگیری ماشین مختلفی برای تشخیص ترافیک مخرب به کار گرفته شده استکه در مان آنها یادگیری ماشین به عنوان یک روش موثر در نظر گرفته شده است. با این حال. مطالعات موجود به ندرت کیفیتداده ها را در نظر می گیرند. که برای ساختن یک سیستم تشخیص ترافیک مخرب با عملکرد خوب فراتر از تکینک های یادگیریماشین ضروری است. در این پژوهش, ما یک روش ترکیبی تشخیص ترافیک مخرب موثر بر اساس یادگیری جمعی با تعبیه ویژگیپیشنهاد می کنیم. به طور خاص, تکنیک تبدیل ویژگی بر روی ویژگی های اصلی برای تولید داده های جدید با کیفیت بالا پیاده سازیشده است. سپس یک طبقه بندی کننده یادگیری جمعی با استفاده از داده های تبدیل شده برای ساخت مدل تشخیص ترافیک مخربآموزش داده می شود. آزمایش ها بر روی مجموعه داده CICIDS۲۰۱۷ در حوزه تشخیص ترافیک مخرب تایید می کند که روشتشخیص پیشنهادی می تواند عملکردهای خوب و قوی داشته باشد و نسبت به روشهای پیشین صحت و نرخ تشخیص بالاتری دارد.

ترافیک مخرب، هوش مصنوعی، یادگیری ماشین، تعبیه ویژگی، یادگیری جمعی،امنیت شبکه