ارائه یک روش ترکیبی طبقه بندی-فراابتکاری به منظور شناسایی نفوذ و رفتارهای مخرب

در این مقاله یک روش مقیاس‌پذیر برای تشخیص داده‌های مخرب ارائه‌شده است. روش معرفی‌شده شامل سه مشخصه پیشرفت زمانی، مرور کاربران و مقیاس‌پذیری با کاربرد در حوزه داده‌های کلان است. روش پیشنهادی برای آموزش داده‌ها، زمان را به بازه‌های زمانی تقسیم نموده و اطلاعات مروری کاربران در هر بازه زمانی بهره‌برداری و مورداستفاده قرار می‌گیرد. این روش ترکیب‌شده متشکل از نرم‌افزار و سخت‌افزار برای تشخیص داده‌های مخرب و استخراج ویژگی است. برای طبقه‌بندی درروش پیشنهادی از الگوریتم ماشین بردار پشتیبان تغییریافته و برای پیش‌بینی از الگوریتم های باکتری و سیستم ایمنی بدن استفاده‌شده است. نتایج حاصل از این پژوهش نشان می‌دهد روش پیشنهادی در مقایسه با سایر روش‌های مرسوم برای داده‌های کلان دارای دقت 97.2 درصد است.

a combined classification-metaheuristic method to detect intrusion and malicious behavior

in this article, an identification method for detecting malicious data is presented. the introduced method includes three characteristics of time progress, user review and identifiability with application in the field of big data. the proposed method for training data divides time into time intervals and users browsing information in each time interval is used. it is a combined method of software and hardware for malicious data detection and feature extraction. for classification in the proposed method, the modified support vector machine algorithm is used, and for prediction, algorithms and the immune system are used. the results of this research show that the proposed method has an accuracy of 97.2% compared to other conventional methods for big data.