پیام محمودی نصر

در کنار گسترش تکنولوژی بخصوص شبکه های رایانه ای، فعالیت های مخربانه عده ای سودجو جهت آسیب رسانی به اطلاعات دیگران در این حوزه، شکل های جدیدی به خود گرفته و همچنان در موازات پیشرفت تکنولوژی، این فعالیت های مخربانه نیز پیشرفت چشمگیری داشته است. ازجمله این فعالیت های مخربانه، حملات متنوع و پیچیده به شبکه های رایانه ای هست. الگوریتم ماشین های بردار پشتیبان یک الگوریتم قدرتمند برای دسته بندی داده ها است. این تحقیق، به دلیل حجم زیاد ویژگی های مجموعه داده ارسال شده در شبکه، با استفاده از الگوریتم ابرگراف وال، ابعاد ویژگی را کاهش داده و پارامترهای هسته پایه شعاعی الگوریتم ماشین بردار پشتیان را بهینه کرده و سپس به تشخیص نفود پرداخته است. ترکیب بهینه الگوریتم یادگیری ماشین و الگوریتم ابرگراف وال، یک سیستم تشخیص نفوذ مناسب با میزان تشخیص 99/98 و زنگ هشدار کاذب 37/0 می باشد. روش پیشنهادی تحقیق قادر به شناسایی تقریبا 98 درصد حملات موجود است. در نتیجه می توان گفت که ترکیب الگوریتم های فرا ابتکاری وال و ماشین بردار پشتیبان، انتخاب مناسبی در سیستم های تشخیص نفوذ مبتنی بر روش سوء استفاده می باشد و به کمک آنها می توان به میزان تشخیص تهاجم خوبی دست یافت