سیستم تشخیص نفوذ چند سطحی با ترکیب SVM و ELM مبتنی بر k-means تغییر یافته

به دلیل افزایش روزافزون ارتباط بین کامپیوترها، سیستمهای تشخیص نفوذ جز یکی از موارد حیاتی در امنیت شبکه محسوب میشوند.سیستمهای تشخیص نفوذ با کمک روشهای یادگیری ماشین و متدهای آماری از شبکهها محافظت میکنند.این مقاله به مشکلات سیستم- های تشخیص نفوذ در تحلیل و طبقهبندی دادههای شبکه به رفتارهای نرمال و غیرنرمال میپردازد. این مقاله یک مدل تشخیص نفوذ چند سطحی ترکیبی پیشنهاد میکند که از ماشین بردار پشتیبان و یادگیری قوی برای بهبود کارایی تشخیص حملات شناخته و ناشناخته استفاده میکند.پیشنهاد شده که از الگوریتم تغییر یافته k-means برای ساخت یک مجموعه داده آموزشی با کیفیت بالا استفاده شود که کمک قابل توجهی به بهبود عملکرد طبقهبندهای میکند.این الگوریتم k-means تغییر یافته یک مجموعه داده آموزشی کوچک به نمایندگی از کل مجموعه داده آموزشی اصلی میسازد که به طور قابل توجهی زمان آموزش طبقهبندها را کاهش داده و باعث بهبود در عملکرد سیستم تشخیص نفوذ میشود.