بکارگیری الگوریتم های ترکیبی یادگیری ماشین در بهبود سیستم های تشخیص نفوذ

سیستم تشخیص نفوذ سیستمی است که فرایند نظارت را روی حملات داخلی و خارجی بر عهده دارد و این نظارت اغلب روییک کامپیوتر و یا روی کل شبکه رخ می دهد. تشخیص نفوذ از نوع ناهنجاری نقش بسیار مهمی در سیستم های تشبخیص نفوذداشته و حملات جدید را براساس هر گونه انحراف از مشخصات نرمال به همراه دارد. در این مقاله، یک الگوریتم هوشمند درخت باانتخاب ویژگی و تصمیم گیری های اعمال شده برای ناهنجاری های تشخیص نفوذ ارائه شده است. ایده اصلی در این مقاله استفاده از الگوریتم های ترکیبی مانند Bagginig و Boosting می باشد که این الگوریتم ها با استفاده از مهمترین الگوریتم های درخت تصمیم مانند J48 و چند الگوریتم درخت دیگر آزمایش می شوند ما برای آزمایش و مشاهده عملکرد از از مجموعه داده NSL-KDD و ابزار یادگیری ماشین Weka استفاده کردیم. نتایج شبیه سازی نشان می دهد که الگوریتم ترکیببی Boosting عملکرد بهتری دارد.

Keywords:

الگوریتم یادگیری ماشین , الگوریتم درخت تصمیم , سیستم تشخیص نفوذ , Bagging , Boosting , J48