سال انتشار: ۱۳۸۴

محل انتشار: یازدهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۴

نویسنده(ها):

امین رنجبر – دانشجوی کارشناسی تهران، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوت
جعفر حبیبی – استادیارتهران، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
محمد صنیعی آباده – دانشجوی دکتری تهران، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
علیرضا حمیدی – دانشجوی کارشناسی تهران، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوت

چکیده:

این مقاله در برگیرنده یک الگوریتم تقویت شده برای یادگیری قوانین فازی تشخیص حملههای شبکه میباشد . روش به کار رفته براساس یادگیری تکراری قوانین به منظور دسترسی به مجموعه قوانین فازی موجود در کل سیستم است . این الگوریتم به صورت یک روش افزایشی است که در هر مرحله از الگوریتم تکاملی یک قانون جدید تولید و به مجموعه قوانین افزوده میشود . مکانیزم تقویت شده به کار رفته در این الگوریتم برای کاهش تاثیر نمونههای است که به وسیله قانون جدید درست کلاسبندی شده است . بنابراین در چرخه تولید نسل بعدی ، توجه بر روی مجموعه قانونهای است که در نسل قبل تشخیص داده نشدهاند یا درست کلاسبندی نشدهاند. این الگوریتم تقویت شده برای تشخیص انواع حملههای موجود در شبکه بر روی مجموعه دادههایDARPA به کار رفته و در این مقاله نتایج و کارایی آن آورده شده است