حسین کریمی - دانشگاه آزاد اسلامی واحد لامرد، گروه کامپیوتر، لامرد، ایران
محمدعلی منتظری - دانشگاه صنعتی اصفهان، گروه آموزشی کامپیوتر، اصفهان،ایران

سیستم تشخیص نفوذ (IDS) یک ابزار مؤثر برای جلوگیری از دستیابی های غیرمجاز به منابع شبکه است. یک سیستم تشخیص نفوذ خوب باید دارای میزان تشخیص بالا و میزان خطای پائین باشد. این مقاله یک روش جدید برای طراحی سیستم تشخیص نفوذ با استفاده از شبکه های عصبی پیشنهاد می دهد. به این صورت که آموزش شبکه های عصبی بکاررفته در آن به صورت دو مرحله ای و متوالی انجام می شود. ما این مدل جدید را بر روی شبکه عصبی یش خور تعمیم یافته (GFF) آزمایش و کارایی آن را با مدل هایی که فرایند آموزش در آنها به صورت یک مرحله ای است مقایسه کردیم. آزمایش ها و ارزیابی ها با استفاده از پایگاه داده KDD CUP99 انجام شده و از تمامی رکوردهای بکه برای آموزش و تست شبکه استفاده شده است. نتایج نشان می دهد که مدل پیشنهادی بهبود قابل توجهی از نظر میزان تشخیص و میزان خطای مثبت در مقایسه با سیستم ساده داشته به گونه ای که این سیستم همان سطح کارآیی یا در مواردی بهتر در مقایسه با سیستم های مشابه دیگر دارد.

سیستم تشخیص نفوذ، میزان تشخیص، میزان خطای مثبت، شبکه عصبی GFF