تشخیص نفوذ به شبکه به کمک داده کاوی و استفاده از یادگیری ماشین به روش ماشین بردار پشتیبان

با توجه به گسترش روزافزون شبکه های کامپیوتری، تشخیص نفوذ به شبکه، یکی از اجزای اصلی برقراری امنیت در شبکه های کامپیوتری شناخته می شود که ابزار اصلی آن، کنترل ترافیک شبکه و تحلیل رفتارهای کاربران است. یکی از راه های اجرای چنین سیستم هایی، استفاده از دسته بندی ها می باشد که با استفاده از مشخص کردن الگوها در حجم زیاد داده، کمک بزرگی به ما می کند. با استفاده از روش های داده کاوی و مشخص کردن یک برچسب دودویی (بسته نرمال، بسته غیرنرمال) و همچنین مشخص کردن ویژگی های داده ها که می توان داده های غیرنرمال را تشخیص داد؛ از این رو دقت درستی سیستم تشخیص نفوذ، افزایش می یابد و در نتیجه، امنیت شبکه بالا می رود. مدل پیشنهادی در این مقاله، به بررسی الگوریتم ماشین بردار پشتیبان در انتخاب خصیصه ها و تاثیر استفاده از الگوریتم های یادگیری ماشین در میزان دقت و میزان تشخیص نفوذ در سیستم می پردازد که نتایج حاصل نشان می دهد که استفاده از این الگوریتم، به افزایش میزان دقت و تشخیص درست هشدارها نسبت به روش های قبلی می انجامد.