ارائه ی راهکاری در سیستم تشخیص نفوذ به منظور کلاس بندی و کاهش حملات بااستفاده از الگوریتم های یادگیری ماشین و بریچ

امروزه با توجه به اینکه ساختار اینترنت بسیار حجیم و پیچیده شده است. ازاینرو، این شبکه ی فراگیر در بسیاری ازتراکنشهای مهم نقش بسزایی را ایفا میکند. یکی از چالش های مهم این شبکه، امنیت اطلاعات است. در این راستا سیستم های مختلفی برای امنیت این شبکه ازجمله انواع سیستم های دیواره آتش، آنتی ویروس و... طراحی شده است. بنابراین یکی از ابتدایی ترین گامها برای امنیت شبکه، کشف و تشخیص نفوذ حملات در شبکه میباشد. در این مرحله فقط ترافیکهای ورودی- خروجی بررسی میشود و بر اساس نوع ترافیک و ویژگی هایی که این ترافیک را دارد مدیر شبکه به وجود یک حمله به شبکه آگاه میشود. همچنین میتواند اقداماتی را برای خنثی سازی حمله انجام دهد. ازآنجاکه تکنیک های تشخیص نفوذ متنوع هستند و یکی از راه حل های کارآمد استفاده از تکنیکهای دادهکاوی است که به عنوان مناسب ترین روش برای حل مشکلات مورداستفاده میگیرد. تکنیکها و الگوریتمها زیادی در دادهکاوی توسعه یافته اند؛ ازآنجاکه انتخاب درست تکنیک برای حل مشکل یک گام ضروری است که بر اساس نوع داده ها، نوع پایگاه داده و اهداف پشت سرهم با استفاده از مدل داده کاوی تعریف میشوند. پژوهش پیش رو از الگوریتم های بریچ،1 ماشین بردار پشتیبان برای تشخیص حملات استفاده میکند. برای این منظور از دیتاست کی دی دی کاپ 299 با استفاده از نرم افزار پایتون استفاده شده است. روش پیشنهادی ازنظر زمانی تفاوت زیاد با مقاله مورد مقایسه دارد و از دیدگاه دقت روش پیشنهادی با میانگین دقت 70 ، درصد نتیجه بهتری را نشان میدهد.