ارائه یک روش جدید تشخیص نفوذ در شبکه های کامپیوتری با استفاده از تکنیک ترکیب درخت تصمیم و شبکه عصبی

امروزه توسعه روزافزون شبکه های رایانه ای و کاربرد وسیع آن در زندگی بشر، لزوم تأمین امنیت این شبکه ها را بیش از پیش نمایان ساخته است. جهت تأمین امنیت از ابزار و تجهیزات مختلفی استفاده می شود که سیستم تشخیص نفوذ از جمله آن ها به شمار می رود. مشخص نمودن الگوهای در حجم زیاد داده، کمک بسیار بزرگی به ما می کند. روش های داده کاوی با مشخص نمودن یک برچسب دودویی (بسته نرمال، بسته غیرنرمال) و هم چنین مشخص نمودن ویژگی ها و خصیصه با الگوریتم های دسته بندی می توانند داده غیرنرمال تشخیص دهند. از همین رو دقت و درستی سیستم های تشخیص نفوذ افزایش یافته و در نتیجه امنیت شبکه بالا می رود. در این پژوهش، روشی پیشنهادی ارائه می شود که در آن ابتدا با استفاده از درخت تصمیم چند برچسبی ویژگی های شاخص و برجسته داده های اولیه مشخص می شوند و سپس با استفاده از شبکه عصبی پرسپترون چند لایه، داده های کاهش یافته به شبکه آموزش داده می شوند. برای مقایسه نتایج خروجی، بهترین دقت تشخیص حمله dos با 95٪ و کم ترین دقت برای حمله probe با 87٪ بوده است. این نتایج در مقابل دیگر آثار پیشین در مورد داشتن دقت بالای تخمین در مورد همه ی حملات مختلف بدون آنکه هیچ یک از آن ها در حد پایینی قرار نگرفته اند قابل توجه است. ارزیابی بر اساس مجموعه داده های nsl-kdd انجام گرفته است.