راهکار ترکیبی نوین جهت تشخیص نفوذ در شبکه‌های کامپیوتری با استفاده از الگوریتم-های هوش محاسباتی

در این مقاله، راهکاری ترکیبی و نوین برای تشخیص نفوذ در شبکه های کامپیوتری معرفی شده است که از مزایای هر دو روش شناسایی سوءاستفاده و شناسایی ناهنجاری بهره می برد. در راهکار پیشنهادی، سامانه های شناسایی ناهنجاری و شناسایی سوءاستفاده به منظور بهبود عملکرد شناسایی نفوذ با هم ترکیب شده اند. رویکرد پیشنهادی از مجموعه ای از الگوریتم ها و مدل ها برای تحقق سامانۀ تشخیص نفوذ بهره می جوید. برای انتخاب ویژگی های ورودی بهینه به سامانه، از الگوریتم جهش قورباغه استفاده شده است. بخش شناسایی سوءاستفاده در این سامانه، درخت تصمیم گیری را بدین منظور به کار می گیرد. برای شناسایی ناهنجاری در این سامانه، از مدل های شبکۀ عصبی پایه - شعاعی یا ماشین بردار پشتیبان استفاده شده است. الگوریتم های بهینه سازی ازدحام ذرات یا وراثتی نیز در فرایند آموزش شبکۀ عصبی به کار گرفته شده اند. نتایج تجربی به دست آمده با استفاده از مجموعه دادۀ nsl- kdd گزارش شده است. این نتایج نشان می دهند که رویکرد پیشنهادی می تواند کارایی شناسایی نفوذ در شبکه را در مقایسه با استفادۀ صرف از شناسایی ناهنجاری یا سوءاستفاده بهبود ببخشد. همچنین مدلی با انتخاب ویژگی به کمک الگوریتم جهش قورباغه و دسته بندی با ترکیب روش های درخت تصمیم گیری و ماشین بردار پشتیبان، با 10 ویژگی انتخابی ورودی به نرخ آشکارسازی 97/4 درصد می رسد. این در حالی است که سامانه های آموزش دیده با دادگان مشابه در سایر پژوهش ها با تعداد 33 و 14 ویژگی انتخابی ورودی به ترتیب به نرخ آشکارسازی 82/3 درصد و 83/1 درصد رسیده اند. همچنین با حفظ نرخ آشکارسازی نفوذ در تراز سایر روش های رقیب شبیه سازی شده در این مقاله، سرعت اجرای الگوریتم تا 28 برابر نسبت به روش های مذکور بهبود پیدا می کند.