تشخیص نفوذ در شبکه با الگوریتم های یادگیری ماشین در آپاچی اسپارک

در سال های اخیر ذخیر ه سازی، تبادل داد ه های حجیم و پیچیدگی های محاسباتی در مراحل پیش پردازش و پردازش این داد ه ها به منظور تشخیص نفوذ، به یکی از موضوعات مهم در زمینه امنیت شبکه تبدیل شده است. به دلیل ماهیت پویای تغییرات پروتکل های ارتباطی، الگوریتم های تشخیص نفوذ به سمت استفاده از روش های یادگیری ماشینی متمایل شده اند. اما این روش ها سبب کاهش کارایی، افزایش زمان اجرا، و مصرف منابع سخت افزاری، و نهایتا افزایش هزینه می شود. با توجه به چالش های ذکر شده، این پژوهش با بررسی الگوریتم های یادگیری ماشین در آپاچی اسپارک به راه حل دقیق تر و کاراتر در خصوص تشخیص نابهنجاری و نفوذ در شبکه دست یافته است. در راه حل ارائه شد ه، الگوریتم های انتخاب ویژگی به صورت موازی به چهار روش اجرا شده و ارزیابی بهترین ویژگی ها توسط درخت تصمیم انجام گرفته است. نهایتا طبقه بندی با الگوریتم شبکه عصبی چندلایه صورت گرفته است. نتایج حاصل از پیاده سازی این راهکار بر روی دو مجموعه داده ی متفاوت نشان داد که اجرای الگوریتم پیشنهادی دقت بالاتر و زمان اجرای کوتاه تری در مقایسه با استفاد ه از الگوریتم طبقه بندی چند کلاسه درخت تصمیم گیری و انتخاب ویژگی با الگوریتم ژنتیک دارد.