بهنوش ملائی - دانشکده تحصیلات تکمیلی، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران.
علیرضا عصاره - دانشکده فنی و مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران.
ایمان عطارزاده - دانشکده تحصیلات تکمیلی، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران.

با گسترده شدن شبکه های کامپیوتری، انجام تحقیقات در زمینه سیستم های ایمنی جهت پیشگیری از نفوذ، از اهمیت بالایی برخوردار شده است. از آنجایی که از نظر تکنیکی ایجاد سیستم های کامپیوتری بدون نقاط ضعف و شکست امنیتی عملاً غیرممکن می باشد، تشخیص نفوذ در تحقیق های سیستم های کامپیوتری کماکان با اهمیت خاصی دنبال می شود. هدف این تحقیق، تلفیق مفاهیم سیستم های ایمنی مصنوعی و سیستم های تشخیص نفوذ کامپیوتری در راستای دستیابی به یک سیستم کارا و انعطاف پذیر است. در واقع، با ایده گرفتن از سیستم ایمنی بدن و استفاده از مفاهیم یادگیری ماشین، یک سیستم تشخیص نفوذ کارا از نوع شناسایی تشخیص ناهنجاری، برای شبکه های کامپیوتری پیشنهاد شده است. این سیستم شناسایی ناهنجاری، نفوذهای شبکه را با دقت بالایی تشخیص داده و همچنین هشدارهای اشتباه کمی تولید می کند. در این تحقیق، در ابتدا با استفاده از ترکیب تکنیک-های کاهش ابعاد که یکی از تکنیک های مهم در پیش پردازش داده ها در یادگیری ماشین است، ویژگی های موثر را شناسایی و ویژگی های غیرموثر را کاهش داده سپس با استفاده از زیرمجموعه ی بهینه ایجاد شده و به کمک الگوریتم تشخیص ایمنی مصنوعی، شبکه آموزش داده شده تا دقت تشخیص حمله های احتمالی آینده افزایش یابد. به منظور ارزیابی دقت و کارایی، روش پیشنهادی در محیط Weka شبیه سازی شده و نتایج به دست آمده با روش های دیگر مقایسه شده و نشان داده شده است که این الگوریتم دقت قابل قبولی ارائه و کاراتر از الگوریتم های مشابه عمل می نماید.

انتخاب ویژگی، تشخیص ناهنجاری، تشخیص نفوذ، سیستم ایمنی مصنوعی، کاهش ابعاد