سال انتشار: ۱۳۹۱

محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران

تعداد صفحات: ۸

نویسنده(ها):

طاهره آسوار – دانشگاه آزاد اسلامی واحد کرمان
محبوبه شمسی – دانشگاه آزاد اسلامی واحد بردسیر

چکیده:

در این مقاله بهبود عملکرد در سیستم تشخیص نفوذ IDS مبتنی بر داده کاوی با ارائه الگوریتمهای خوشه بندی پرداخته شده است و به منظور افزایش توان یادگیری رقابتی LAMSTRE استفاده از شبکه های عصبی و الگوریتم انتخاب نمونه خوشه معرفی شده است KDDCUP99 مجموعه اعداد برای ارزیابی سیستم تشخیص نفوذ بکار برده می شود و این مجموعه داده در ۵ کلاس DOS, Normal,U2R,R2L,Veb ارائه شده مجموعه داده بدست آمده برای بدست آوردن الگوریتم ترکیبی در سیستم تشخیص نفوذ مبتنی بر هوش محاسباتی (CL computational) Intelligence) برای بهینه کردن عملکرد سیستم تشخیص نفوذ ارائه شده در اینجا روشی در مجموعه هوش محاسباتی از جمله شبکه عصبی مصنوعی و فازی و محاسبات تکاملی ارائه شده است.