مقايسه سيستم تشخيص نفوذ مبتنيبر الگوريتم كرم شب تاب با SVM و الگوريتم تكامل تفاضلي

از آنجاييكه داده مورد استفاده در سيستم تشخيص نفود حجم بالايي دارد، يكي از مسائل ضروري در اين سيستم ها حفظ ويژگيهاي با بهترين كيفيت در مجموعه داده ميباشد بطوريكه اين ويژگيهاي منتخب قادر باشند، ساختار مجموعه دادهها را به درستي نشان دهند. بنابراين ضرورت خواهد داشت تا ويژگيهاي زائد و نامرتبط از مجموعه دادهها حذف و بهترين زيرمجموعه ويژگي از بين مجموع ويژگيها تعيين گردد. در اين مقاله، الگوريتم كرم شب تاب به عنوان استراتژي جستجو براي انتخاب بهترين زيرمجموعه ويژگيها و طبقهبند درخت تصميم و svm براي تعيين كيفيت ويژگيهاي انتخاب شده مورد استفاده قرار ميگيرد. مجموعه داده KDD Cup 99 براي ارزيابي روش پيشنهادي بكار برده ميشود. نتايج شبيهسازيهاي انجام شده نشان مي دهد كه زيرمجموعه ويژگي بدست آمده توسط الگوريتم پيشنهادي به نرخ تشخيص و دقت بالاتر و نرخ هشدار نادرست پايينتر در مقايسه با نتايج بدست آمده با استفاده از الگوريتم كرم شب تاب و استفاده از تمام ويژگيها دست مييابد.