مصطفی عباسی - دانشجوی دکترای دفاع سایبری دانشگاه جامع امام حسین (ع) تهران
مجید غیوری ثالث - استادیار گروه کامپیوتر دانشگاه جامع امام حسین (ع)تهران

دراین مقاله بااستفاده ازتکنیک های داده کاوی و یادگیری ماشین مدلهای مختلفی جهت بهبود کارایی سیستم های تشخیص نفوذارایه شده است سیستم های تشخیص نفوذبه مدلهای تشخیص مبتنی برامضا استفاده نادرست و ناهنجاری تقسیم میشوند که معیارهای ارزیابی آن ها نرخ تشخیص اخطارهای اشتباه و تشخیص حملات ناشناخته میباشد مدلهای ترکیبی و پیشنهادات بااستفاده ازتکنیک های داده کاوی و یادگیری ماشین و مزایای تشخیص نفوذمبتنی برامضاء /استفاده نادرست که عبارت است ازدقت بالا و اخطاراشتباه کم و مزیت تشخیص نفوذمبتنی برناهنجاری که عبارت است ازشناسایی حملات ناشناخته بابکارگیری ترکیب های توالی و موازی دوروش ذکر شده کارایی سیستم تشخیص نفوذ را افزایش داده است این مدلهای ترکیبی میتوانند حداکثر نرخ تشخیص نفوذرا باکاهش اخطارهای اشتباه به همراه شناسایی حملات جدید ارایه نمایند

امنیت شبکه ، نفوذ ، داده کاوی ، ناهنجاری ، اخطارهای اشتباه