سمیرا نوفرستی - استادیار گروه فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان
سحر محمدی - دانشجوی کارشناسی ارشد شبکه های کامپیوتری، دانشکده مهندسی برق و کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان

به دلیل ضرورت و اهمیت مسیله حفاظت از داده ها در مقابل حملات سایبری، در سال های اخیر طراحی سیستم های تشخیص نفوذ با هدف شناسایی تهدیدات در حال وقوع در شبکه مورد توجه قرار گرفته است. یکی از شاخه های تشخیص نفوذ، تشخیص آنومالی در داده های شبکه است. تشخیص آنومالی روندی برای یافتن الگوهای غیرمعمول در شبکه است که با رفتار طبیعی تعریف شده مطابقت ندارند و معمولا به دلیل یک فعالیت مخرب یا نوعی نفوذ ایجاد می شوند. در این مقاله یک روش یادگیری جمعی مبتنی بر پرواز پرندگان با هدف افزایش دقت الگوریتم تشخیص آنومالی پیشنهاد می شود. در روش پیشنهادی در ابتدا چند دسته بند یادگیری ماشین برای پیش بینی آنومالی در داده ها بکار گرفته می شوند. سپس با تجمیع وزن دار نتایج حاصل از دسته بندها، هنجار یا ناهنجار بودن وضعیت فعلی شبکه مشخص می شود. به منظور تعیین وزن دسته بندها از الگوریتم پرواز پرندگان استفاده شده است. نتایج آزمایشات انجام گرفته نشان می دهد که استفاده از الگوریتم پرواز پرندگان به منظور وزن دهی به دسته بندها منجر به افزایش دقت یادگیری جمعی در تشخیص آنومالی می شود.

تشخیص نفوذ، تشخیص آنومالی، داده کاوی، یادگیری جمعی، الگوریتم پرواز پرندگان