حسین فرضعلی وند - دانشگاه آزاد اسلامی، واحد ایذه، باشگاه پژوهشگران جوان و نخبگان، ایذه، ایران،
حمزه نادری ده شیخ - دانشجوی کارشناسی ارشد دانشگاه خوراسگان،

امروزه برای ایجاد امنیت کامل در یک سیستم کامپیوتری علاوه بر دیوار آتش و دیگر تجهیزات جلوگیری از نفوذ سیستم های دیگری به نام سیستم های تشخیص نفوذ (IDS) مورد نیاز می باشند تا بتوانند در صورتی که نفوذ گر از دیواره آتش، آنتی ویروس و دیگر تجهیزات امنیتی عبور کرد و وارد سیستم شد آن را تشخیص داده و چاره ای برای آن بیاندیشد. در این مقاله هدف ما برآن است، که آیا می توان صحت تشخیص نفوذ را با استفاده از روش های کاهش ویژگی و الگوریتم های تلفیقی افزایش داد، که پس از بررسی های انجام شده و استفاده از روش های کاهش ویژگی با ترکیب الگوریتم بیزین در الگوریتم های یادگیری تلفیقی Boosting و Bagging جهت افزایش صحت و دقت حملات انجام شده است. ضمنا در این مقاله ما از دیتاست Kddcup ۹۹ که شامل داده های حمله و سالم با ۴۲ خصیصه می باشد استفاده کرده ایم. نتایج ما نشان داد که ترکیب الگوریتم بیزین در الگوریتم های یادگیری تلفیقی مذکور با روش های کاهش ویژگی دقت حملات را تا ۹۹.۶۳ می تواند به دست آورد که نسبت به روش های دیگر بهتر عمل می کند.

سیستم های تشخیص نفوذ، الگوریتم های یادگیری تلفیقی، انتخاب ویژگی