منصوره کلبادی نژاد - موسسه آموزش عالی هدف ساری
مریم طاهری - موسسه آموزش عالی هدف ساری

به دلیل افزایش روزافزون ارتباط بین کامپیوترها، سیستمهای تشخیص نفوذ جز یکی از موارد حیاتی در امنیت شبکه محسوب میشوند.سیستمهای تشخیص نفوذ با کمک روشهای یادگیری ماشین و متدهای آماری از شبکهها محافظت میکنند.این مقاله به مشکلات سیستم- های تشخیص نفوذ در تحلیل و طبقهبندی دادههای شبکه به رفتارهای نرمال و غیرنرمال میپردازد. این مقاله یک مدل تشخیص نفوذ چند سطحی ترکیبی پیشنهاد میکند که از ماشین بردار پشتیبان و یادگیری قوی برای بهبود کارایی تشخیص حملات شناخته و ناشناخته استفاده میکند.پیشنهاد شده که از الگوریتم تغییر یافته k-means برای ساخت یک مجموعه داده آموزشی با کیفیت بالا استفاده شود که کمک قابل توجهی به بهبود عملکرد طبقهبندهای میکند.این الگوریتم k-means تغییر یافته یک مجموعه داده آموزشی کوچک به نمایندگی از کل مجموعه داده آموزشی اصلی میسازد که به طور قابل توجهی زمان آموزش طبقهبندها را کاهش داده و باعث بهبود در عملکرد سیستم تشخیص نفوذ میشود.

سیستم های تشخیص نفوذ) IDS ( ، الگوریتم تغییر یافته k-means