پیشگری و بهبود تشخیص نفوذ در شبکه های کامپیوتری با استفاده از الگوریتم ترکیبی SVMوABC

اگرچه طی سالیاناخیر تحقیقات زیادی درزمینه امنیت سایبری انجام شده است تکنیکهای موجود فعلی ازقبیل دیوارآتش و رمزنگاری اطلاعات نتوانسته اند بصورت کامل امنیت فضای سایبری را تضمین کنند وجود تهدیدات فزاینده درفضای مجازی که هرروزه بابکارگیری تکنیکهای پیچیده و جدید امنیت کاربران را به مخاطره می اندازد باعث شده تا تحقیق درزمینه تشخیص مهاجمین درفضای سایبری اهمیت بیشتری یابد جهت تشخیص مهاجمین باید عوامل و ویژگیهای زیادی دربسترشبکه پردازش شوند که بسیارزمانبر میباشد استفاده ازتکنیکهای یادگیری ماشین و هوش جمعی درکاهش زمان پردازش و افزایش دقت محاسبات بسیارموثر است دراین مقاله الگوریتمی جهت انتخاب ویژگیها بصورت ترکیبی ازماشین بردارپشتیبان و الگوریتم زنبورها برای بالا بردن سطح تشخیص نفوذدرشبکه و افزایش صحت نتایج پیشنهاد شدها ست دراین پژوهش تجزیه و تحلیل اطلاعات با استفاده ازKDDcup99 انجام پذیرفته است بدین ترتیب که بهترین ویژگیها توسط ماشین بردارپشتیبان انتخاب و سپس با استفاده ازالگوریتم زنبورها دردسته هایمناسب قرارداده میشوند که ضمن کاهش زمان جستجو و افزایش میزان یادگیری صحت تشخیص نفوذبهبود یابد نتایج حاصله نشان میدهد که الگوریتم پیشنهادی میتواند با دقت 99.71درصد مهاجمین شبکه را شناسایی کند

کلیدواژه ها:

سیستم تشخیص نفوذ ، دسته بندی ، ماشین بردارپشتیبان ، الگوریتم زنبورها