تشخیص نفوذ به شبکه های کامپوتری با رویکرد یادگیری دسته بند فاز

با توجه به اینکه تفاوت کلاس عادی و کلاس حمله در شبکه های کامپیوتری خوش تعریف نیست و از طرف دیگر، منطق فازی اجازه می دهد که یک نمونه متعلق به پیش از یک کلاس با درجات تعلق مختلف باشد. در نتیجه بکارگیری منطق فازی در سیستم های تشخیص نفوذ می تواند مفید و موثر باشد. تاکنون روش های فازی زیادی در ساخت سیستم های تشخیص نفوذ به کار گرفته شده اند. اما روش های دسته بندی فازی در بین آنها کمتر به چشم می خورد. ما در این مقاله یک روش دسته بندی فازی که بین روش های مشابه نتایج خوبی داشته است را مطالعه و نقد کرده ایم و آن را به گونه ای توسعه دادیم که برای مسئله تشخیص نفوذ مفید باشد. سپس نتایج اجرای روش توسعه یافته را روی داده های KDD با سایر روش ها مقایسه کردیم. نتایج مقایسات نشان دادند که روش توسعه یافته نسبت به روش های دسته بندید پایه ضمن داشتن نرخ تشخیص قابل مقایسه ، نرخ اعلام نادرست پایین تر و قدرت یادگیری و سازگاری بالاتری دارد. همچنین در مقایسه با روش های فازی مبتنی بر الگوریتم ژنتیک بطور متوسط حدود 4% منجر به بهبود نرخ اعلام نادرست شده است.

Keywords:

دسته بندی فازی , تشخیص نفوذ , نرخ تشخیص , نرخ اعلام نادرست