| عنوان فارسی مقاله: |
رویکردی نوین برای شناسایی نفوذ با استفاده از شبکه های عصبی مصنوعی و خوشه بندی فازی |
| عنوان انگلیسی مقاله: |
A new approach to intrusion detection using Artificial Neural Networks and fuzzy clustering |
چکیده
بسیاری محققین استدلال کرده‌اند که شبکه‌های عصبی مصنوعی (ANN ها) می‌توانند عملکرد سیستم‌های تشخیص نفوذ (IDS) را هنگام مقایسه با روش‌های معمول بهبود بخشند. با وجود این برای IDS مبتنی بر ANN ، دقت تشخیص به ویژه برای حملات کم تناوب و ثبات تشخیص کماکان به ارتقاء نیاز دارد. در این مقاله، رویکردی نوین موسوم به FC-ANN را پیشنهاد می‌کنیم که بر ANN و خوشه‌بندی فازی مبتنی بوده تا به حل مسائل پرداخته و به IDC در کسب میزان شناسایی بالاتر، میزان مثبت کاذب و پایداری بهتر کمک کنیم. روند کلی FC-ANN بدین شرح است: نخست تکنیک خوشه‌بندی فازی برای ایجاد زیرمجموعه‌های آموزشی مختلف مورد استفاده قرار می‌گیرد. پس از آن، براساس زیرمجموعه‌های آموزشی مختلف، مدل‌های ANN مختلف برای ساختاربندی مدل‌های پایه‌ای مختلف آموزش داده می‌شوند. در نهایت، یک یادگیرنده متا یعنی یک ماژول انبوهش فازی، برای جمع‌آوری این نتایج به کار گرفته می‌شوند. نتایج تجربی بر روی مجموعه داده KDD CUP 1999 نشان می‌دهد که رویکرد پیشنهادی جدید ما یعنی FC-ANN موجب اجرای BPNN و سایر روش‌های شناخته شده دیگر مانند درخت تصمیم‌گیری ، naïve Bay ها برحسب دقت و ثبات تشخیص می‌شود.
