تاثیر مهمترین الگوریتم های درخت تصمیم در بهبود سیستم های تشخیص نفوذ

با توجه به رشد فوق العاده ای خدمات مبتنی بر شبکه، تشخیص نفوذ به عنوان یک امر مهم و حیاتی برای برقراری امنیت شبکه پدید آمده است. ترافیک شبکه از حمله و ترافیک عادی تشکیل شده است. تعداد حملات در شبکه به طور معمول بخش بسیار کوچکی از ترافیک در کل شبکه را تشکیل می دهد. به کارگیری روش های داده کاوی هوشمند برای پیش بینی نفوذ در چنین شبکه های با حجم بالای ترافیک رو به افزایش است. اکثر سیستم های تشخیص نفوذ از یک الگوریتم طبقه بندی جهت طبقه بندی داده ها و ترافیک شبکه که به عنوان رفتار طبیعی یا غیرعادی است استفاده می کنند. در این مقاله مهم ترین الگوریتم های درخت تصمیم معرفی می شوند و عملیات کاهش ویژگی روی مجموعه داده NSL-KDD انجام می شود. نتایج حاصل از آزمایش ها نشان می دهد که الگوریتم درخت تصمیم NBTree نسبت به الگوریتم های درخت تصمیم دیگر از لحاظ دقت و کارایی عملکرد بهتری را از خود نشان می دهد.

کلیدواژه ها:

الگوریتم یادگیری ماشین ، درخت تصمیم ، سیستم های تشخیص نفوذ ، NBTree ، J48