بهبود سیستم تشخیص نفوذ با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری در شبکه MANET

در سالهای اخیر شبکه های سیار موردی و تامین امنیت آنها، بسیار حایز با اهمیت شده است. شبکه های سیار موردی نسبت به شبکه های سیمی در برابر حملات بسیار آسیب پذیرتر میباشند. در نتیجه مهاجمان با شناسایی این نقاط آسیب پذیری سعی در ضربه زدن به شبکه و مختل کردن عملیات شبکه را دارند. عملیات پیشگیرانه نظیر رمزنگاری و احراز هویت که به عنوان لایه اول دفاعی هستند، سعی در جلوگیری و کاهش احتمال حملات را دارند. با این وجود، این تکنیکها یکسری نقصها و محدودیتهایی دارند، که مهاجمان از طریق آنها به شبکه نفوذ پیدا میکنند. لذا به دلیل همین نقصها و محدودیتها، نیاز به یک لایه دفاعی دومی برای شناسایی و پاسخ دادن به حملات نفوذی وجود دارد که یکی از این تکنیکها استفاده از تکنیک تشخیص نفوذ است. در این مقاله تمرکز بر روی استفاده از روش عصبی- تکاملی است. برای این منظور پس از جمع آوری داده ها در مرحله پیشپردازش پس از پاکسازی و نرمالسازی داده ها، عمل انتخاب ویژگی با استفاده از الگوریتم تحلیل تفکیکی فیشر انجام میشود، سپس در مرحله پس پردازش شبکه عصبی پرسپترون چندلایه با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری آموزش داده میشود تا تشخیص نفوذ در شبکه MANET به صورت بهینه انجام شود. در جهت مقایسه روش پیشنهادی، از الگوریتم -k نزدیکترین همسایه استفاده شده است. نتایج حاکی از میانگین مربعات خطای 0,407 و دقت %89,81 در شبکه عصبی پرسپترون چندلایه دارد.

کلیدواژه ها:

طبقه بندی ، تشخیص نفوذ ، شبکه سیار موردی ، شبکه عصبی پرسپترون چندلایه ، الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری.