تشخیص ناهنجاری در ابر مبتنی بر ترکیب الگوریتم ژنتیک با شبکه عصبی- فازی

استفاده از سیستم های فازی در سیستم های تشخیص نفوذ میتواند امکان تشخیص وجود ماهیت غیر قطعی و مبهم آنومالی ها در محیط ابری را فراهم آورد. با این حال، ترکیب این دو سیستم با هم نمیتواند منجر به ساخت مدلهای مبتنی بر داده های هدف شود. یکی از رویکردهای موفق بر اساس داده های هدف، ترکیب سیستم های فازی با انطباق و یادگیری مهارت های شبکه عصبی است که به آن، مدل ANFIS سیستم استنتاجی فازی عصبی انطباقی گفته میشود. در این پژوهش، از داده های KDDcup99 برای آزمایش سیستم پیشنهادی مورد استفاده قرار گرفته شده است. سیستم های شبکه عصبی، عصبی- فازی با یکدیگر مورد مقایسه قرار گرفته و در گام بعدی الگوریتم ژنتیک با شبکه عصبی- فازی ترکیب شده و نتایج آن با دیگر الگوریتم ها نیز مقایسه شده است. نتایج نشان میدهد که با استفاده از الگوریتم ژنتیک میتوان تعداد ابعاد پایگاه داده را کاهش داد که در این صورت، این عمل سبب کاهش حجم محاسبات و افزایش میزان تشخیص میشود.

کلیدواژه ها:

رایانش ابری ، سیستم ، تشخیص نفوذ