بررسی مبانی روش های نوین بر مبنای یادگیری ماشین در امنیت شبکه

سیستم تشخیص نفوذ ids در امنیت سایبری یکی از تکنیکهای گسترده است که در توپولوژی شبکه به کار میرود تا از یکپارچگی و در دسترس بودن دارایی های حساس در سیستمها محافظت کند. اگرچه بسیاری از رویکردهای یادگیری نظارت شده و نظارت نشده در حوزه یادگیری ماشین برای افزایش اثر بخشی ids استفاده شده است اما هنوز هم برای دستیابی به عملکرد خوب الگوریتم های تشخیص نفوذ موجود است. در این ،پژوهش روش ترکیبی الگوریتم یادگیری ماشین و الگوریتم تکاملی برای تشخیص نفوذ پیشنهاد شده است؛ این روش مبتنی بر انتخاب ویژگیها و تکنیک های یادگیری است ،ابتدا یک الگوریتم فراابتکاری با نام الگوریتم گرگ خاکستری باینری برای کاهش ابعاد پیشنهاد گردیده که زیر مجموعه بهینه را بر اساس همبستگی بین ویژگی ها انتخاب می.کند سپس این ویژگیها به شبکه عصبی مصنوعی تزریق میشود و در هر تکرار به سمت کمترین خطا در یادگیری پیش میرویم سرانجام از مدل استخراج شده برای تشخیص حمله استفاده میشود. نتایج پیاده سازی با استفاده از مجموعه داده nsl-kdd که روش پیشنهادی قادر به نمایش عملکرد بهتر از سایر رویکردهای مرتبط و پیشرفته در چندین معیار .است دسته بندی با صحت و دقت بالای 96 درصد انجام شده است.