سیستم های تشخیص نفوذ بر اساس بهبود کاراییFUZZY C-MEANS با استفاده از الگوریتمهای تخمین توزیع

با توجه حجم عظیم داده ها و گسترش روزافزون انواع حملات کامپیوتری بهترین روش تشخیص ، استفاده از روشهای اکتشافی و روش های هوش مصنوعی است. در این رایطه استفاده از روشهای نوینی که هم با پایگاه داده های عظیم بتواند کار کند و هم دقت بالایی را در تشخیصو دسته بندیانواع حملات بتواند انجام دهدضروری و مهم بنظر می رسد. نوآوری وهدف ما در این مقاله این است که، الگوریتم پیشنهادی علاوه بر استفاده از روش مناسب یادگیری بدون ناظر برای خوشه بندی در بالا بردن افزایش دقت تشخیص حملات در شبکه های کامپیوتری و دسته بندی انواع آن با استفاده الگوریتم های کارا نیز تلاش می کند. در این راستا ما از روش خوشه بندیfuzzy C_means استفاده نمودیم و با توجه اینکه سرخوشههای اولیه به صورت تصادفی انتخاب میشوند ، برای بالا بردن دقت و انتخاب مناسب تر سرخوشه ها از الگوریتم مبتنی برجامعه جوابی خاص و با قابلیتهای بسیار بالا به نامEstimation Distribution Algorithmاستفاده نمودیم. در این تحقیق درستی عملکرد مدل ارائه شده با پایگاه داده استانداردKDDCUP 99آزمایش شده و نتایح ارزیابی شذه یه خوبی نشانگر کارایی بالای الگوریتم پیشنهادی می باشد

Keywords:

الگوریتم تخمین توزیع , خوشه یندی فازی , سیستم های تشخیص نفوذ 99KDDCUP