مصطفی امیدزاده - گروه نرم افزار، دانشکده برق وکامپیوتر، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران

شبکه های کامپیوتری دارای کاربرد زیادی در عصر امروز بوده و میتوان از آنها برای پردازش، انتقال اطلاعات و اشتراک منابع استفاده نمود. حملات بر علیه شبکه های کامپیوتری یک چالش مهم و حیاتی بر علیه شبکه های کامپیوتری بوده و باعث ایجاد اختلال در عملکرد شبکه های کامپیوتری می شود و کارایی آنها را کاهش می دهد. نفوذ به شبکه های کامپیوتری می تواند به دلایل و انگیزه های مختلفی انجام شود و در آن یک هکر به صورت غیرمجاز به شبکه و سرویس های آن وارد شده و در آن اختلال ایجاد می نماید. برای تشخیص نفوذ به شبکه می توان از روش های مختلفی استفاده نمود که یکی از آنها روش های یادگیری ماشین مانند شبکه عصبی مصنوعی است اما چالش مهم در این روش ها آنها است که دقت بالایی ندارند و از این جهت در این پژوهش برای بهبود دقت آنها از روش های فراابتکاری نظیر الگوریتم بهینه سازی آموزش و یادگیری در کنار یادگیری شبکه عصبی مصنوعی استفاده شده است تا خطای خروجی مدل برای تشخیص نفوذ کمینه شود. پیاده سازی روش پیشنهادی ما بر روی مجموعه داده KDD برای تشخیص نفوذ در متلب نشان می دهد روش پیشنهادی دارای دقت و حساسیتی به ترتیب برابر 98.34 % و 97.37 % است که نسبت به روش درخت تصمیم گیری و ماشین بردار پشتیبان دارای دقت و حساسیت بیشتری است.

نفوذ به شبکه، حملات به شبکه، یادگیری ماشین، روشهای اکتشافی