جلیل استادعلیاکبری - دانشجوی کارشناسی ارشد گروه کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران
کمال میرزایی - عضو هیات علمی گروه کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران
محمدرضا ملاخلیلی - عضو هیات علمی گروه کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران

با مقدار فزاینده تهدیدات امنیتی، مطالعه سیستمهای شناسایی نفوذ IDS ها توجه زیادی را به خود جلب کرده است. نفوذ، به عملیاتی اطلاق میشود که تلاشمیکند برای دسترسی غیرمجاز به شبکه از مکانیسم امنیتی سیستم عبور کند. سیستم تشخیصنفوذ، با تحلیل ترافیک جاری شبکه سعی در شناسایی فعالیتهای نفوذگر دارد و چنانچه تشخیص دهد ترافیک ورودی، از فعالیتهای یک نفوذگر ناشی میشود، واکنش ویژه نشان میدهد. تاکنون برای تشخیص نفوذ از روشهایی در چارچوب دستهبندی یا خوشهبندی بهرهگیری شده است. به عنوان نمونه، با استفاده از خوشهبندی سلسلهمراتبی و ماشین بردار پشتیبان، روشهایی برای تشخیصنفوذ ارایه شده است. سیستم طبقهبند یادگیر یا LCS بر اساس یادگیری تقویتی، یادگیری باناظر، و الگوریتم ژنتیککار میکند که در راستای دستهبندی نفوذ به شبکه نیز از آن بهرهگیری شده است. بر اساس LCS سیستمهای مبتنی بر قدرت ZCS و نیز سیستمهای مبتنی بر سرعت XCS شکل گرفتهاند. این مقاله روی دیدگاه مدلسازی فازی زبانی تمرکز داشته و از سیستم دستهبندی گسترده XCS به عنوان مکانیزم استخراج قوانین فازی زبانی استفاده میکند و از موفقترین سیستمهای ردهبندی یادگیری بر مبنای دقت است که میتواند در کارهای زنجیرهای و غیرزنجیرهای به کار رود.

دسته بندی، فازی، مدلسازی، سیستم تشخیص نفوذ، دسته بندی XCS