بهبود روش های تشخیص نفوذ در شبکه های کامپیوتری با استفاده از قواعد وابستگی

علم داده کاوی و کشف اطلاعات ارزشمند از حجم عظیم داده ھا، یکی از حوزه ھای تحقیقاتی جذاب و پرکاربردی است که طی دو دھه گذشته بسیار توسعه پیدا کرده است. در میان تکنیک ھای مختلف داده کاوی، قوانین وابستگی به دلیل کاربرد وسیع در بازاریابی و ھمچنین تحلیل سبد خرید مشتریان بسیار مورد توجه قرار گرفته است. علاوه بر مباحث بازاریابی، محققان موارد بسیار زیادی از کاربردھای قوانین وابستگی در حوزه ھای مختلف علمی یافته اند که در این میان می توان به کاربرد این تکنیک در حوزه ھای پزشکی، اقتصادی، و ھمچنین مدیریت تولید و بھبود کیفیت تولیدات اشاره نمود. استفاده از قواعد وابستگی یکی از زیر شاخه ھای علم داده کاوی است که می تواند بر اساس رفتار داده ھا در مواجه با داده ھای گذشته به پیش بینی رفتار آینده آنھا بپردازد. لذا پیش بینی رفتار در ھر مکان و علمی از اھمیت فوق العاده بالایی برخوردار خواھد بود. به ھمین دلیل در این بخش به بررسی الگوریتم ھای موجود در داده کاوی که در بحث استفاده از قواعد وابستگی کاربرد دارند پرداخته و در انتھا بھترین الگوریتم را که برای پیش بینی و تشخیص نفوذ کاربرد دارد مورد ارزیابی با سایر الگوریتم ھا قرار می دھیم.