محمد اخلاق پور - دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اصفهان
محمدرضا سلطان اقایی کوپایی - استادیار دانشگاه آزاد اسلامی واحد اصفهان

سیستم های تشخیص نفوذ، برای شناسایی و اطلاع از فعالیت های کاربران که تلاش به ارسال داده های ناهنجار طبیعی می کنند، ظهور کردهاست. این سیستم ها یک مشکل غیرخطی، پیچیده با ترافیک داده های شبکه دارند. با این حال، چالش های مربوط به دقت، مدیریت وتشخیص حملات جدید بی شمار هستند که با استفاده از کاهش ابعاد می توانند در یک مجموعه از ویژگی های بهینه بدون از دست دادناطلاعات، آن را مدیریت کنند. در این مقاله، یک مدل ماشین بردار پشتیبان چند کلاسی جهت تشخیص نفوذ ارایه شده است. ایده اصلیاین مدل، کاهش آموزش، تست زمان و افزایش دقت دسته بندی منحصر به فرد از حملات در سیستم های تشخیص نفوذ می باشد. نتایجبه دست آمده، یک نسخه بهبود یافته نسبت به مجموعه داده دانش 1999 را نشان می دهد که براساس معیارهای عملکرد مثبت واقعی،مثبت کاذب، منفی واقعی و منفی کاذب در دو مرحله آزمایش شده است. مرحله اول، ویژگی های بهینه میدان و مرحله دوم، اعتبارسنجی،آموزش و آزمون که حاصل خروجی آن برای نرخ تشخیص و کاهش نرخ هشدار غلط موثرتر عمل کرده است.

تشخیص نفوذ، ماشین بردار پشتیبان، یادگیری ماشین، اعتبارسنجی