مدلي براي تشخيص نفوذ چندكلاسه با استفاده از يادگيري ماشين و انتخاب ويژگي سنجاقك

با افزايش خدمات شبكه‌اي، تعداد و پيچيدگي حملات در فضاي سايبر افزايش‌يافته است. لذا امنيت در شبكه‌ها، سيستم‌ها و برنامه‌هاي كاربردي به يكي از مهم‌ترين چالش‌ها در عصر حاضر تبديل شده‌است. سيستم‌هاي تشخيص نفوذ به‌عنوان يك روش دفاعي بسيار مهم براي تشخيص حملات شبكه‌اي، به‌منظور هشدار به مسئولين شبكه يا برنامه‌هاي كاربردي بكار مي‌رود. در اين پژوهش، يك مدل براي تشخيص نفوذ چند كلاسه پيشنهاد شده‌است. در روش پيشنهادي از الگوريتم سنجاقك براي انتخاب ويژگي و از الگوريتم جنگل تصادفي به‌منظور دسته‌بندي استفاده شده‌است. داده‌هاي بكار رفته در پژوهش، مجموعه‌داده KDD-99 بوده است و عمليات متوازن‌سازي در آن استفاده شده‌است. مسئله با الگوريتم‌هاي مختلف يادگيري‌ماشين و يادگيري‌عميق مورد آزمون قرار گرفته و بهترين الگوريتم انتخاب شده‌است. مقدار صحت در روش پيشنهادي مقدار 99.83 به‌دست‌آمده است. نتايج پژوهش با نتايج چندين پژوهش ديگر كه توسط محققان پيشنهاد شده مورد مقايسه قرار گرفته است و اين مقايسه نشان مي‌دهد كه روش پيشنهادي نسبت به اكثر روش‌هاي ديگر داراي مقدار صحت بالاتري بوده است.