پویا شفیعی سروستانی - پردیس علوم و تحقیقات خراسان جنوبی، بیرجند، ایران
سیدمحمدحسین معطر - دانشگاه آزاد اسلامی واحد مشهد، ایران
کاظم نیکفرجام - پردیس علوم و تحقیقات خراسان جنوبی، بیرجند، ایران

در توسعه سیستم های تشخیص نفوذ، هدف نهایی این است که به بهترین دقت ممکن برسیم. این هدف منجر به طراحی روش های ترکیبی برای رفع این مشکل میشود. ایده طبقه بندی ترکیب چند روش یادگیری ماشین به منظور بهبود عمل کرد سیستم های ترکیبی میباشد.روش مورد استفاده ترکیب خوشه بندیdbscanو دسته بندی درخت تصمیم و بیز ساده به منظور بهبود کارایی سیستم های تشخیص نفوذ براساس ناهنجاری ها میباشد. آزمایش های صورت گرفته در این مقاله که بر روی مجموعه دادهkyoto2006+ صورت گرفته، نشان می دهد که روش ترکیبی پیشنهادی بهبود کاریی نسبی نسبت به روش محققان پیشین مقایسه شده دارد. کارایی روش ترکیبی جدید با معیار های نرخ تشخیص ونرخ مثبت کاذب برای تعدادی از روز های ماه سنجیده شده است که بهترین نرخ تشخیص مربوط به مدل به دست آمده که از سه روز اول ماه برای آموزش استفاده کرده است و برابر با 99,39 می باشد. و بهترین نرخ مثبت کاذب مربوط به مدل به دست آمده که از پنج روزه اول ماه برای آموزش استفاده کرده است و برابر 0,23 می باشد

دسته بندی بیز ساده، دسته بند درخت تصمیم، سیستم های تشخیص نفوذ، نرخ تشخیص و نرخ مثبت کاذب ، خوشه بندیdbscan