افزایش درصد تشخیص نفوذ در شبکه های کامپیوتری با کاهش ویژگی و الگوریتم های تلفیقی

برای ایجاد امنیت کامل در یک سیستم کامپیوتری علاوه بر دیوار آتش و دیگر تجهیزات جلوگیری از نفوذ سیستم های دیگری به نام سیستم های تشخیص نفوذ (IDS) مورد نیاز می باشند تا بتوانند در صورتی که نفوذ گر از دیواره آتش، آنتی ویروس و دیگر تجهیزات امنیتی عبور کرد و وارد سیستم شد آن را تشخیص داده و چاره ای برای آن بیاندیشند. در این تحقیق قصد برآن است که آیا می توان صحت تشخیص نفوذ را با استفاده روش های کاهش ویژگی و الگوریتم های تلفیقی افزایش داده شود، که پس از بررسی های انجام شده و استفاده از دیتاستKddcup 99 که شامل داده های حمله و سالم با 42 خصیصه می باشد استفاده شده است و استفاده از روش های کاهش ویژگی با ترکیب الگوریتم های درخت تصمیم مورد بررسی قرار گرفت و همچنین برای افزایش دقت از روش های الگوریتم های یادگیری تلفیقی (Boosting و Bagging) جهت افزایش صحت و دقت تشخیص حملات انجام شده است.

کلیدواژه ها:

سیستم های تشخیص نفوذ ، الگوریتمهای یادگیری تلفیقی ، انتخاب ویژگی