کاهش بعد ویژگیها با استفاده از الگوریتم الگوی تحلیل خطی ( LDA ) برای سیستم تشخیص نفوذ مبتنی بر K نزدیکترین همسایه

تشخیص نفوذ و همچنین تشخیص الگوهای غیرمتعارف در دادههای شبکه در دنیای امروزه یک موضوع امنیتی بوده و ازاهمیت ویژهای برخوردار است. انتخاب ویژگیهای مناسب و مفید در سیستم تشخیص نفوذ یکی از موضوعات مهم است. در این مقاله از یک روش دستهبندی بنام k نزدیکترین همسایه استفاده شده است. برای تشخیص و شناسایی حملات نیازاست که ویژگیهای مناسب که در روند تشخیص مفید هستند را انتخاب کرده تا از این طریق بتوان حجم محاسبات را کاهش داد. برای رسیدن به این مهم از الگوریتم کاهش بعد، الگوی تحلیل خطی استفاده شده است. در این مقاله از داده های برنامه ارزیابی تشخیص نفوذ دارپا استفاده گردیده، که هر یک از رکوردهای این پایگاه داده شامل 41 ویژگی بوده است. با استفاده از این الگوریتم این ویژگیها به 10 ویژگی کاهش داده شد. با توجه به کاهش ابعاد ویژگیها با الگوریتم الگوی تحلیل خطی حجم محاسبات سیستم کاهش یافته که با توجه به ارزیابی نتایج با تعداد 9 ویژگی زمان محاسبات به 4 / 7 ثانیه کاهش یافت و با دستهبندی مناسب دادهها، نرخ تشخیصهای مثبت اشتباه، کاهش یافته است.