تشخیص نفوذ در شبکه های کامپیوتری با استفاده از تکنیک های داده کاوی مبتنی بر انتخاب ویژگی

تشخیص نفوذ در شبکه های کامپیوتری با استفاده از تکنیک های داده کاوی مبتنی بر انتخاب ویژگی


  • 215 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

تاکنون راه حل های بسیاری در زمینه تشخیص نفوذ به شبکههای کامپیوتری ارائه شده است که هر کدام از آنها مزایا و معایب خود را دارند اما نمیتوان روشی را در بین آنها دیدکه بتواند همزمان دو پارامتر دقت و سرعت را بهینه سازد. در این مقاله از روش انتخاب ویژگی CfsSubsetEval برای کاهش ویژگی استفاده شد و همچنین روش ارائه شده برروی مجموعه داده CUP99 KDD و در حالتی که 89 %از این مجموعه برای آموزش در نرم افزار WEKA و 20% برای آزمایش استفاده شده است مورد ارزیابی قرار گرفت. 
راه حل پیشنهادی در این مقاله میتواند با استفاده از تنها 8 ویژگی از میان 41 ویژگی میزان طبقه بندی درست نمونه ها را به اندازه 99.713 % یعنی تقریبا نزدیک به 100 % افزایش دهد، از طرفی نرخ تشخیص حمالت نوع DOS را به مقدار 0.998 و نرخ تشخیص ترافیک نرمال را به مقدار 0.997 افزایش دهد. در راه حل ارائه شده در کارهای گذشته به این دقت دست یافته اند ولی نه تنها با 8 ویژگی که خود تعداد ویژگیهای کم انتخاب شده در این مقاله پارامتر زمان را بسیار کاهش یعنی به مدت 14.27 ثانیه میرساند. که در نتیجه سرعت تشخیص نیز بسیار افزایش مییابد. راه حل پیشنهادی همزمان دو پارامتر دقت و سرعت به صورت موازی بهینه می سازد.

 

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

​اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.