بکارگیری الگوریتم بهینه سازی ملخ در انتخاب ویژگی جهت ارتقای پیش پردازش هشدار درسیستم تشخیص نفوذ

یکی از چالش های سیستم های تشخیص نفوذ تولید بیش از حد هشدارهای کاذب می باشد. هر هشدار دارای اطلاعات تعداد ویژگی های زیادی است. وجود تعداد زیادی از این ویژگی های نامرتبط و زائد در مجموعه داده ها بر عملکرد همبسته ساز هشدار تأثیر منفی گذاشته و همچنین پیچیدگی محاسباتی را افزایش می دهد. بنابراین کاهش تعداد ویژگی ها و حجم مجموعه داده ها یک وظیفه اصلی مولفه پیش پردازش در چارچوب همبسته ساز هشدار است. کاهش ابعاد مجموعه داده ها، پیچیدگی محاسباتی همبسته ساز را کاهش داده و کاهش حجم مجموعه داده ها، باعث افزایش سرعت همبسته ساز هشدار می شود. در نتیجه، عملکرد چارچوب همبسته ساز هشدار افزایش پیدا می کند. این مقاله با استفاده از بکارگیری الگوریم بهینه سازی ملخ در انتخب ویژگی به دنبال افزایش عملکرد و افزایش سرعت همبسته ساز هشدار می باشد. نتایج نشان می دهد که راهکارهای ارائه شده دارای دقتو عملکرد بسیار خوبی هستند. بهترین دقت در مسئله انتخاب ویژگی مبتنی بر اطلاعات متقابل، روی مجموعه داده UNSW_NB15 برابر 96.1% و روی مجموعه داده NSLKDD برابر 98.37% و در مسئله انتخاب ویژگی مبتنی بر شبکه عصبی، روی مجموعه داده UNSW_NB15 برابر 95.8 و روی مجموعه داده NSLKDD برابر 98.93% است. همچنین برای مقایسه راهکار پیشنهادی با کارهای مرتبط در انتخاب ویژگی بین 0.17% تا 30.12% بهبود داشته است.