تشخیص ترافیک مخرب در شبکه های کامپیوتری توسط الگوریتم‌ یادگیری جمعی

امنیت شبکه کامپیوتری در دهه‌های اخیر اهمیت فزاینده‌ای پیدا کرده است، در حالی که سیستم تشخیص ترافیک مخرب نقش مهمی در محافظت از آن ایفا می‌کند. تکینک‌های یادگیری ماشین مختلفی برای تشخیص ترافیک مخرب به کار گرفته شده است که در میان آنها یادگیری ماشین به عنوان یک روش موثر در نظر گرفته شده است. با این حال، مطالعات موجود به ندرت کیفیت داده‌ها را در نظر می گیرند، که برای ساختن یک سیستم تشخیص ترافیک مخرب با عملکرد خوب فراتر از تکینک‌های یادگیری ماشین ضروری است. در این پژوهش، ما یک روش ترکیبی تشخیص ترافیک مخرب موثر بر اساس یادگیری جمعی با تعبیه ویژگی پیشنهاد می‌کنیم. به طور خاص، تکنیک تبدیل ویژگی بر روی ویژگی‌های اصلی برای تولید داده‌های جدید با کیفیت بالا پیاده سازی شده است. سپس، یک طبقه‌بندی کننده یادگیری جمعی با استفاده از داده‌های تبدیل شده برای ساخت مدل تشخیص ترافیک مخرب آموزش داده می‌شود. آزمایش‌ها بر روی مجموعه‌ دادهcicids2017 در حوزه تشخیص ترافیک مخرب تایید می‌کند که روش تشخیص پیشنهادی می‌تواند عملکردهای خوب و قوی داشته باشد و نسبت به روشهای پیشین صحت و نرخ تشخیص بالاتری دارد.