تشخيص نفوذ در شبكه با استفاده از الگوريتم بهينه‌سازي تركيبي تبادل حرارتي و مرغ دريايي

رشد روزافزون رايانه و اينترنت، بستر جديد و پركاربردي براي ارائه خدمات شبكه‌اي فراهم نموده است. اين امر ميزان ارائه خدمات اداري، اجتماعي، مالي، آموزشي و تفريحي را بر روي شبكه و به‌ ويژه اينترنت به طور چشمگيري افزايش داده است. گسترش استفاده از كاربردهاي اينترنت، فرصتي براي سوءاستفاده از شبكه و اطلاعات آن براي مقاصد مجرمانه به وجود مي‌آورد. براين‌اساس نفوذ در شبكه و دسترسي غيرمجاز به اطلاعات، به يكي از اصلي‌ترين نگراني‌هاي كاربران شبكه‌ها و همچنين مديران شبكه تبديل شده است. سيستم‌هاي  تشخيص نفوذ شامل مجموعه‌اي از ابزارها و سازوكارها براي نظارت بر سيستم‌هاي رايانه‌اي و ترافيك شبكه مي‌باشد. روش‌هاي مختلفي براي تشخيص نفوذ مورداستفاده قرار مي‌گيرد، مانند تكنيك‌هاي آماري، روش‌هاي مبتني بردانش و همچنين روش‌هاي يادگيري ماشين. در اين مقاله، يك روش براي تشخيص نفوذ با استفاده از الگوريتم‌هاي يادگيري ماشين بررسي و پيشنهاد شده است. مدل پيشنهادي، يك روش چند كلاسه مي‌باشد كه علاوه بر تشخيص نفوذ، نوع حمله را نيز مشخص مي‌نمايد. اين روش يك مدل تركيبي بوده كه در آن از تركيب الگوريتم هاي بهينه‌سازي مرغ دريايي و تبادل حرارتي و الگوريتم جنگل تصادفي استفاده شده است. به‌منظور تحليل در اين پژوهش، مجموعه‌داده CICIDS-2017 به‌كاررفته است. روش پيشنهادي با چندين الگوريتم‌ مختلف مقايسه شده و مقدار دقت در روش پيشنهادي  برابر با 8/98 به‌دست‌آمده كه نسبت به بسياري از روش‌هاي يادگيري ماشين داراي مقدار بالاتري مي‌باشد.