ارائه الگوریتم فازی– ژنتیک تقویت شده با یادگیری زوجی جهت تشخیص نفوذ در شبکه های کامپیوتری

نفوذ مجموعه عملیاتی است که یکپارچگی، محرمانگی و در دسترس بودن یک منبع اطلاعاتی را به مخاطره می اندازد. یک سیستم تشخیص نفوذ (IDS)، دسترسی کاربر به مجموعه اطلاعات را با اجرای قوانین خاص، نظارت و محدود میکند. روشهای مختلفی برای تشخیص نفوذ در سیستم های کامپیوتری وجود دارد که چالش اصلی در آنها تشخیص دقیق تر نوع نفوذ بوده است. در این مقاله با استفاده ازالگوریتم Apriori و سیستم فازی ژنتیک و قوانین فازی بر مبنای یادگیری زوجی سیستم تشخیص نفوذ بهبود یافته ای ارائه شده است. در این راستا ابتدا داده های مجموعه آموزشی به سیستم تشخیص نفوذ تحویل داده شده تا قوانین فازی توسط الگوریتم Apriori و بر مبنای یادگیری زوجی ایجاد شود. یادگیری زوجی موجب بررسی دو به دو کلاس ها با هم و ایجاد قوانین دقیق و در نتیجه افزایش درصد تشخیص درست می شود. الگوریتم Apriori زمان یادگیری سیستم تشخیص نفوذ را تا حد قابل قبولی کاهش میدهد. قوانین ایجاد شده با استفاده از الگوریتم ژنتیک بهبود داده شده که باعث کاهش نرخ هشدار کاذب،افزایش دقت و صحت گردید. در پیاده سازی روش پیشنهادی از مجموعه داده KDDcup99 و نرم افزار MATLAB برای شبیه سازی استفاده شده است.

کلیدواژه ها:

الگوریتم Apriori ، تشخیص نفوذ ، ژنتیک ، قوانین فازی ، یادگیری زوجی