ارائه یک روش بهینه تشخیص نفوذ در شبکه های بیسیم موردی با استفاده از ماشین بردار پشتیبان به کمک الگوریتم ژنتیک

عملکرد شبکه های سیار(MANET) بشدت توسط گره های مخرب تحت تاثیر قرار می گیرد .یکی از متداول ترین حملات در MANET ها عدم پذیرش خدمات DoS می باشد؛ DoS نوعی نفوذ است که خصوصا هدف آن اختلال در موجودیت و یکپارچگی خدمات مورد نظر یک گره مشخص شبکه است. از این رو پیشنهاد سیستم کارآمد تشخیص نفوذ( IDS) مهم می باشد زیرا میتوان گره های مخرب را در شبکه بررسی و حذف نمود و بدین شکل عملکرد شبکه را با بررسی مداوم ترافیک بهبود بخشد [Annamalai and Yegnanarayanan,2012]. برای این منظور نیاز به روش مناسب طبقه بندی در این حوزه است و روش ماشین بردار پشتیبان( SVM) نشان داده است که در حوزه تشخیص نفوذ در شبکه ها یک طبقه بندی قوی است . مزیت اصلی روش ماشین بردار پشتیبان توانایی اش برای ایجاد یک قانون تصمیم می باشد که در فضایی با ابعاد بزرگ ویژگی ، بخوبی تعمیم پیدا کند و این منجر به دقت بالا حتی برای نمونه های جدیدی که قبلا در مرحله آموزش دیده نشده است ، خواهد بود . اما تعیین دقیق و بهینه پارامترهای روش ماشین بردار پشتیبان یکی از مسائل تاثیرگذار بر عملکرد آن است و برای این منظور از روشهای هوش جمعی استفاده میشود [Biba and Nishani, 2016]. با توجه به اینکه روش ماشین بردار پشتیبان برای تشخیص نفوذ در شبکه های بی سیم موردی(MANET) استفاده شده است و از طرفی نشان داده شده است که تنظیم بهینه پارامترهای این روش تا چه حد میتواند به عملکرد آن کمک کند و تابحال این بهبود در روش ماشین بردار پشتیبان برای تشخیص نفوذ در شبکه های سیار(MANET) انجام نشده است[Aburomman and Bin Ibne Reaz,2017] بنابراین در این پژوهش با هدف بالابردن دقت تشخیص نفوذ، بواسطه بهبود عملکرد روش ماشین بردار پشتیبان با الگوریتم ژنتیک ،به ارائه رویکرد جدیدی برای تشخیص نفوذ در شبکه های بیسیم موردی پرداخته میشود.

Keywords:

الگوریتم ژنتیک , تشخیص نفوذ , ماشین بردار پشتیبان , شبکه های بی سیم