زهرا نخعی - استاد دانشگاه فنی و حرفه ای دختران بیرجند
عباس قائمی بافقی - عضو هیات علمی گروه مهندسی کامپیوتر دانشگاه فردوسی مشهد

یکی از چالش های سیستم های تشخیص نفوذ تولید بیش از حد هشدارهای کاذب می باشد. هر هشدار دارای اطلاعات تعداد ویژگی های زیادی است . وجود تعداد زیادی از این ویژگی های نامرتبط و زائد در مجموعه دادها بر عملکرد همبسته ساز هشدار تاثیر منفی گذاشته و همچنین پیچیدگی محاسباتی را افزایش می دهد. بنابراین کاهش تعداد ویژگی ها و حجم مجموعه دادهها یک وظیفه اصلی مولفه پیش پردازش در چارچوب همبسته ساز هشدار است . کاهش ابعاد مجموعه دادهها، پیچیدگی محاسباتی همبسته ساز را کاهش داده و کاهش حجم مجموعه دادهها، باعث افزایش سرعت همبسته ساز هشدار می شود. در نتیجه ، عملکرد چارچوب همبسته ساز هشدار افزایش پیدا می کند. این مقاله با استفاده از بکارگیری الگوریتم بهینه سازی ملخ در انتخاب ویژگی به دنبال افزایش عملکرد و افزایش سرعت همبسته ساز هشدار می باشد. نتایج نشان می دهد که راهکارهای ارائه شده دارای دقت و عملکرد بسیار خوبی هستند. بهترین دقت در مسئله انتخاب ویژگی مبتنی بر اطلاعات متقابل ، روی مجموعه داده UNSW_NB۱۵ برابر ۰۱.۹۶% و روی مجموعه داده NSLKDD برابر ۳۷.۹۸% و در مسئله انتخاب ویژگی مبتی بر شبکه عصبی ، روی مجموعه داده UNSW_NB۱۵ برابر ۰۸.۹۵% و روی مجموعه داده NSLKDD برابر ۹۳.۹۸% است . همچنین برای مقایسه راهکار پیشنهادی با کارهای مرتبط در انتخاب ویژگی بین ۱۷.۰% تا ۱۲.۳۰% بهبود داشته است .

انتخاب ویژگی ، الگوریتم بهینه سازی ملخ ، همبسته سازی هشدار، سیستم تشخیص نفوذ