یک سیستم یادگیری سلسله مراتبی نوین به منظور تشخیص نفوذ در شبکه های کامپیوتری

امنیت سیستم های کامپیوتری و داده ها پیوسته در خطر می باشد. با توجه به رشد روز افزون کاربران اینترنت و در دسترس قرار داشتن ابزارهایی برای مداخله و نفوذ به شبکه ها، پیدا کردن دسترسی های غیر مجاز به یکی از اهداف مهم امنیت شبکه تبدیل شده است. کشف نفوذ از نقطه نظر اهمیت داده ها یک فرآیند آنالیز اطلاعات است. رفتارهای عادی و نفوذگر، الگوهایی از خود در داده های ترافیک شبکه به جای می گذارند که با استفاده از تکنیک های مختلف داده کاوی به طور مؤثر می توان این الگوها را استخراج نمود. از جمله مهم ترین روش های مطرح، الگوریتم های بر پایه دسته بندی می باشند. در این مقاله، از یک سیستم دسته بندی سلسله مراتبی مبتنی بر قوانین فازی وزن دار استفاده می شود که ضمن حفظ توصیف پذیر بودن سیستم، با دقت مطلوبی نفوذها را در سطح شبکه از فعالیت های عادی تشخیص داده و گزارش می کند. در روش پیشنهادی از یک حدآستانه برای فعالیت قانون و شرکت در عمل استنتاج فازی استفاده می شود. نتایج آزمایشات نمایانگر کارایی سیستم تشخیص نفوذ پیشنهادی در مقایسه با دیگر روش ها در شناسایی حملات و تشخیص رفتارها می باشد.