استفاده از الگوریتم توسعه یافته فرا ابتکاری گرگ خاکستری برای بهینه سازی الگوریتم k- نزدیک ترین همسایه به منظور تشخیص نفوذ به شبکه

طبقه بندی یکی از مهمترین کاربردهای داده کاوی به منظور پیش بینی داده هاست که کمکهای شایانی به علوم مختلف نموده است. یکی از مشکلات همیشگی روش های طبقه بندی انتخاب بهترین پارامترها برای حل مسئله است. الگوریتم های فراابتکاری از جمله روش هایی هستند که طی پژوهش های مختلف به حل مسائل بهینه سازی از جمله در حل مشکل یاد شده کمکهای فراوانی نموده اند. در این مقاله قصد داریم از یکی از توسعه های الگوریتم فراابتکاری گرگ خاکستری که اخیرا مطرح شده و کارایی بسیار خوبی دارد، برای حل مسئله ی تشخیص نفوذ به شبکه که یکی از کاربردهای مهم طبقه بندی دادههاست، استفاده نماییم. امروزه با گسترش شبکه های کامپیوتری بحث امنیت شبکه بیش از گذشته مورد توجه است. در این راستا تشخیص نفوذ به عنوان یکی از اجزای اصلی برقراری امنیت در شبکه های کامپیوتری شناخته می شود که هدف اصلی آن کنترل ترافیک شبکه و تحلیل رفتارهای کاربران می باشد. الگوریتم توسعه یافته گرگ خاکستری برای رفع مشکلات بهینه سازی که برای حل استراتژی جستجوی مجدد گرگ خاکستری وجود داشت، توسعه داده شده است. آزمایش های انجام شده نشان از برتری روش ترکیبی طبقه بندی k-نزدیکترین همسابه با الگوریتم توسعه یافته گرگ خاکستری دارد.