سال انتشار: ۱۳۹۴

محل انتشار: اولین همایش ملی کامپیوتر، فناوری اطلاعات و ارتباطات اسلامی ایران

تعداد صفحات: ۸

نویسنده(ها):

عاطفه شریفی جو – دانشجوی کارشناسی ارشد, دانشگاه آزاد اسلامی واحد اراک, گروه مهندسی کامپیوتر, اراک, ایران
عباس کریمی – دانشگاه آزاد اسلامی واحد اراک, گروه مهندسی کامپیوتر, اراک, ایران

چکیده:

امنیت شبکه یک نگرانی جدی جهانی است. سودمندی سیستم های تشخیص نفوذ در تحقیقات روی امنیت اطلاعات با استفاده ازتکنیکهای محاسبات نرم به سرعت در حال افزایش است , اما این سیستم ها با داده های حجیم برای تحلیل مواجه هستند. بررسیمجموعه داده سیستمهای تشخیص نفوذ نشان میدهد که بسیاری از ویژگیها، ویژگیهای غیرمفید، بی تاثیر در سناریوهای حمله و یا ویژگیهای نامربوط هستند . بنابراین حذف ویژگیهای نامناسب از مجموعه ویژگی، به عنوان یک راهکار مناسب برای کاهش مجموعهداده سیستمهای تشخیص نفوذ معرفی میشود . مساله انتخاب زیرمجموعه ویژگیها، به مفهوم شناسایی و انتخاب یک زیرمجموعه مفید از ویژگیها از میان مجموعه داده اولیه میباشد. هدف این مقاله، بهبود دقت دسته بندی، افزایش نرخ تشخیص درست و کاهش نرخ هشدار غلط در سیستم های تشخیص نفود، با استفاده از رویکرد ترکیبی الگوریتم بهینه سازی فاخته برای کاهش ابعاد ویژگیهای مجموعه های داده ای و ماشین بردار پشتیبان میباشد. مدل ترکیبی ارائه شده، با استفاده از زیر مجموعه ای از مجموعه داده های NSL-KDD CUP99 آزمایش شده است. نتایج پیاده سازی هم نشان می دهد که دقت دسته بندی زیرمجموعه های بدست آمده، نتایج مطلوبی را در مقایسه با مجموعه داده اصلی و کارهای گذشته ایجاد کرده است .