نیما آبرومند - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه آزاد اسلامی واحد شهرقدس
محسن مزینانی - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه آزاد اسلامی واحد شهرقدس

در این مقاله به منظور طبقه بندی نفوذ در شبکه از روش شبکه عصبی احتمالی (PNN) استفاده شدهاست. شبکه عصبی PNN نوعی شبکه عصبی پیش خور (Feed-Forward) است که توسطشبکه عصبی به نام RBF یا Radial Basis Function (شبکه عصبی تابع پایه شعاعی) ارتقایافته است. تحلیل تئوری شبکه عصبی احتمالی، نوعی از مدل طبقه بندی نفوذ در شبکه است که برپایه شبکه عصبی احتمالی به عنوان لایه پیش خور به منظور حل دو طبقه بندی و طبقه بندی چندکلاسه در سیستم تشخیص نفوذ مورد استفاده قرار گرفته است. در نهایت آزمایش شبیه سازی بااستفاده از دیتاست KDD Cup 99 انجام شده است. سامانه های مختلفی به منظور تشخیص نفوذمورد استفاده واقع می گردند که امکان آموزش، طبقه بندی، تست و ارزیابی به کمک شبکه عصبیرا دارا هستند. نتایج آماری حاصل از این پروژه در بخش پیاده سازی نشان می دهد که مدلپیشنهادی دارای کارایی بهتری نسبت به مدل های قبلی ارئه شده می باشد.

شبکه حسگر بیسیم، سیستم تشخیص نفوذ، شبکه عصبی، شبکه عصبی احتمالی، طبقه بندی نفوذ