ترکیب ماشین بردار پشتیبان با الگوریتم بهینه سازی ازدحام ذرات برای تشخیص نفوذ

در این مقاله، ما چهارچوب تشخیص نفوذ را با استفاده از یک روش جدید مطرح میکنیم. از ترکیب الگوریتم بهینه سازی ازدحام ذرات باینری و پیوسته به ترتیب برای انتخاب ویژگی و بهینه سازی پارامترهای ماشین بردار پشتیبان به صورت همزمان استفاده میکنیم. الگوریتم ماشینهای بردار پ شتیبان یک الگوریتم قدرتمند برای دسته بندی داده ها است عملکرد ماشین بردار پشتیبان بستگی به پارامترهای مختلف از قبیل ضریب تخطی C و پارامترهسته  دارد. همچنین انتخاب یک تابع هسته منا سب میتواند میزان تشخیص را بهبود بخ شد. علاوه براین، انتخاب ویژگی مفید در میان چندین ویژگی در مجموعه داده ها نه تنها عملکرد SVM را افزایش میدهد، بلکه زمان و پیچیدگی محاسبات را کاهش میدهد. بنابراین این یک مسیله بهینه سازی ا ست که میتوان تو سط الگوریتمهای اکتشافی حل شود. در این مقاله ما شین بردارپشتیبان چند کلاسه با روش اعتبار سنجیK_FOLD به عنوان سیستم کلاس بندی ا ستفاده می شود عملکرد روش پیشنهادی با انجام آزمایشات با مجموعه داده NSL_KDD مورد ارزیابی قرار گرفته ا ست و نتایج تجربی نشان میدهد که روش پیشنهادی در مقایسه با روشهای دیگر از لحاظ نرخ تشخیص و زنگ هشدار نادرست بهتر عمل میکند.