استخراج قوانين فازي در سامانه هاي تشخيص نفوذ شبكه هاي كامپيوتري با استفاده از الگوريتم رقابت استعماري

تشخيص نفوذ در شبكه هاي كامپيوتري جز مسائل غير چند جمله اي سخت است لذا راه حل هاي دقيق قادر به حل آن نمي باشند، درحاليكه الگوريتم هاي فرا مكاشفه اي قادر به يافتن جواب نزديك به بهينه هستند. در طراحي سامانه طبقه بندي فازي، مهمترين كار استخراج قوانين فازي است كه در روشهاي گذشته بيشتر با ژنتيك يا شبكه عصبي يا خوشه بندي تركيب شده اند. در اين مقاله، براي اولين بار از تركيب منطق فازي با الگوريتم رقابت استعماري جهت طراحي يك سامانه طبقه بندي و تشخيص نفوذ در شبكه هاي كامپيوتري استفاده شده است. در اين مساله تعدادي نمونه از پارامترهاي مورد نظر در تشخيص نفوذ دردست است كه سامانه فوق بايد اين پارامترها را بررسي و نمونه ها را بر اساس نوع كلاس آنها كه نفوذهاي شبكه مي باشد، طبقه بندي كند. دو هدف از الگوريتم پيشنهادي، توليد مجموعه اي از قوانين فازي بهتر و تشخيص هريك از انواع كلاس هاي مختلف نفوذهاي شبكه مي باشد. الگوريتم فوق برروي مجموعه داده KDDCup99 ، تست و از نظر كارآيي با الگوريتم هاي ژنتيك، شبكه عصبي و اتوماتاي يادگير بر روي مساله موجود مقايسه شده است. نتايج ارائه شده نشان مي دهد الگوريتم پيشنهادي مي تواند طبقه بندي كلاس هاي مختلف را به صورت كارآ انجام دهد. از يك سو معيار نرخ طبقه بندي بهبود يافته است و ازسوي ديگر منجربه كاهش تعداد قوانين فازي تشخيص نفوذ و پوشش بيشتر شده است