بهبود دقت سامانه تشخیص نفوذ به کمک کاهش ویژگی بر اساس مجموعه فازی ناهموار و ترکیب طبقه بندها

در دنیای امروز، محافظت از داده ها در مقابل نفوذ از طریق اینترنت یا شبکه ، امری ضروری است و ابزارهای مختلفی در این زمینه ارائه شده است. سامانه تشخیص نفوذ با بررسی ترافیک شبکه وظیفه شناسایی و تشخیص هرگونه استفاده غیر مجاز از داده ها را دارد. در این سامانه ها از روش های متعددی به ویژه الگوریتم های یادگیری ماشین بهره گیری می شود و رویکردهای مختلفی ازجمله کاهش هشدارهای غلط، کاهش ابعاد، کاهش نمونه ها، روش های ترکیبی، به سازی دادگان آموزشی و آزمون، به کارگیری روش های چند سطحی و غیره به منظور بهبود این الگوریتم ها در فرآیند تشخیص نفوذ ارائه شده است. برخی از روش های ترکیبی ارائه شده توسط محققان کلیه جنبه های حمله را موردنظر قرار نمی دهد. بعضی از آن ها نیز از معیار صحت استفاده می کنند که این معیار در داده های حجیم و نامتوازن باعث ضعف در تشخیص حمله های با تعداد نمونه های بسیار کم می گردد. یکی از چالش ها در تشخیص نفوذ، دقت پایین طبقه بندها در شناسایی نوع حملات شبکه است. هدف از این تحقیق، پیشنهاد یک سامانه برای بهبود دقت در تشخیص نفوذ با استفاده از نظریه مجموعه فازی ناهموار و ترکیب وزن دار طبقه بندها است. درروش پیشنهادی ما، پس از کاهش ویژگی ها توسط نظریه مجموعه فازی ناهموار، از ترکیب طبقه بندها برای بهبود دقت در تشخیص حملات استفاده شده است. دقت روش پیشنهادی در شناسایی رفتار حمله به طور میانگین به ۹۳/۹۸ رسید و همچنین به طور میانگین میزان شناسایی رفتارعادی ۱۴/۹۸، حمله های منع سرویس ۸۵/۹۶ و حمله های پویش ۲۰/۹۳ حمله های دسترسی از راه دور ۳۱/۹۱ و حمله های کاربر به ریشه ۱۰۰ به دست آمد. نتایج حاصل از انجام آزمایش ها نشان دهنده برتری روش پیشنهادی نسبت به سایر روش های موجود است.

Keywords:

سامانه تشخیص نفوذ , کاهش ویژگی , ترکیب طبقه بندها , معیار دقت , مجموعه فازی ناهموار