بررسی و ارزیابی رویکردهای دفاعی سیستم های تشخیص نفوذ الهام گرفته شده از ایمنی بیولوژیک

در سالهای اخیر جهت گیری کارهای پژوهشی در زمینه امنیت شبکه به سمت الهام گرفتن ازایده های ناب در طبیعت به منظور حل مسایل پیچیده این حوزه بوده است. در این پژوهشالگوریتم های ایمنی مصنوعی با هدف تحلیل و ارزیابی عملکرد سیستم ایمنی مصنوعی باروشهای مختلف تشخیص نفوذ مبتنی بر داده کاوی ، یادگیری ماشین و الگوریتم های فراابتکاریالهام گرفته شده از طبیعت مقایسه و ارزیابی شده اند. ارزیابی در نرم افزار استاندارد Weka 3.6و دادگان نفوذ NSL-KDD انجام شده است. نتایج آزمایشات نشان می دهند که الگوریتمهای الهام گرفته شده از ایمنی مصنوعی علیرغم زمان بالایی که در فاز یادگیری اولیه نیاز دارندوابستگی زیادی به تعیین پارامترهای بهینه ورودی داشته و تاثیر کاربرد یک الگوریتم انتخابویژگی موثر به عنوان فاز پیش پردازش ، تغییر محسوسی را در نرخ های عملکردی نشان میدهد. از نتایج آزمایشات اینگونه استنباط می شود که برخی از ضعفهای مهم متدهای ایمنیمصنوعی؛ از جمله تعیین حدود آستانه تولید و تکثیر تشخیص دهنده های بالغ و بطور کلی بحثپارامتردهی بهینه می تواند ضمن ایده ترکیب با سایر رویکردهای یادگیری ماشین نتیجه مطلوبتری را از لحاظ نرخ های خطا و تشخیص ارایه دهد.

کلیدواژه ها:

سیستم تشخیص نفوذ ، انتخاب ویژگی ، الگوریتم های فراابتکاری ، سیستم ایمنی مصنوعی ، بهره اطلاعات