|
|
|
|
ارائه یک سیستم تشخیص نفوذ جدید مبتنی بر ماشین بردار پشتیبان و بهینه‌سازی کلونی زنبور مصنوعی بهبودیافته
|
|
|
|
|
|
|
|
نویسنده
|
فیضی طیبه ,معطر سیدمحمدحسین
|
|
منبع
|
مهندسي برق دانشگاه تبريز - 1398 - دوره : 49 - شماره : 2 - صفحه:767 -782
|
|
چکیده
|
میزان نفوذ در شبکه در حال افزایش است. سیستم تشخیص نفوذ، می‌تواند تا حد زیادی از حملات به شبکه جلوگیری کند. انتخاب ویژگی یک موضوع حیاتی در سیستم‌های تشخیص نفوذ می‌باشد که بر روی صحت و کارایی آن تاثیر بسزایی دارد. در این تحقیق، یک سیستمِ تشخیصِ نفوذ در شبکهِ ترکیبیِ جدید با استفاده از الگوریتم کلونی زنبور مصنوعی بهبودیافته مبتنی بر طبقه‌بند ماشین بردار پشتیبان با روش ارزیابی 10-fold برای انتخاب بهترین ویژگی‌ها پیشنهاد گردیده است. ایده اصلی، از ترکیب معادلات جستجوی بهینه‌سازی ازدحام ذرات و تکاملی تفاضلی در فاز زنبورهای کارگر و ناظر به‌منظور به‌روزرسانی موقعیت زنبورها و به‌کارگیری پرواز لوی در فاز زنبورهای پیشاهنگ، به‌منظور بهبود بهره‌برداری و نرخ همگرایی در الگوریتم کلونی زنبور مصنوعی می‌باشد. روش پیشنهادی مقاومت و پایداری خود را بر روی مجموعه‌داده nsl-kdd نشان داده و به‌طور قابل توجهی توانسته به بهبود عملکرد کلی سیستم تشخیص نفوذ با صحت 98/97 درصد کمک کند.
|
|
کلیدواژه
|
سیستم تشخیص نفوذ، الگوریتم کلونی زنبور مصنوعی، ماشین بردار پشتیبان، بهینه‌سازی تکاملی، پرواز لوی
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد نیشابور, گروه کامپیوتر, ایران, دانشگاه آزاد اسلامی واحد مشهد, گروه کامپیوتر, ایران
|
|
پست الکترونیکی
|
moattar@mshdiau.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A Novel Intrusion Detection System Based on Support Vector Machine and Improved Artificial Bee Colony Optimization
|
|
|
|
|
Authors
|
Feizi T. ,Moattar M. H.
|
|
Abstract
|
Intrusion in the network is increasing. Intrusion detection system can greatly prevent network attacks. Feature selection is a critical issue in intrusion detection systems which have a considerable impact on the accuracy and effectiveness of the system. In this study, a new hybrid network intrusion detection system with improved artificial bee colony algorithm using support vector machine classifier is proposed for feature selection. The main idea is utilizing a combination of search equations of particle swarm optimization and Differential Evolution for updating bee’s position of employed and onlooker bees and utilizing levy flight on scout bees phase, to improve exploitation and increase the convergence rate of the standard artificial bee colony algorithm. The robustness and stability of the proposed approach is evaluated on NSLKDD dataset and showed significant improvement on the overall performance of intrusion detection system with an accuracy of 98.97 percent.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|