شناسایی جریان های ناشناخته مخرب در شبکه با به کارگیری یادگیری جمعی در داده های نامتوازن

یکی از حوزه های امنیتی که در شرایط جدید جهانی بسیار مورد اهمیت قرار گرفته است، امنیت سایبری است. در این تحقیق برای مطالعه بر روی حملات ناشناخته در شبکه های کامپیوتری، دو هانی نت آزمایشگاهی مجازی در دو مکان مختلف طراحی شده و همچنین از سایر مجموعه داده های علمی استفاده گردیده است. در داده های شبکه ای، مشکل داده های نامتوازن اغلب اتفاق می افتد و موجب کاهش کارایی در پیش بینی برای رده هایی که در اقلیت هستند، می گردد. در این مقاله برای حل این مشکل، از روش های یادگیری جمعی استفاده گردیده است تا بتوان مدلی اتوماتیک ارائه نمود که با استفاده از تکنیک های مختلف و با استفاده از یادگیری مدل، حملات شبکه به ویژه حملات ناشناخته را شناسایی نماید. روش های جمعی، برای توصیف مشکلات امنیت کامپیوتر بسیار مناسب می باشند زیرا هر فعالیتی که در چنین سیستم هایی انجام می گیرد را در سطوح چند انتزاعی می توان مشاهده کرد و اطلاعات مرتبط را نیز می توان از منابع اطلاعاتی چندگانه جمع آوری نمود. روش تحقیق بر اساس تحلیل های آماری جهت برسی میزان صحت و درستی نتایج و میزان اتکاپذیری آن ها صورت گرفته است. در این مرحله به کمک تکنیک ها و آزمایش های آماری نشان داده ایم که عملکرد الگوریتم طراحی شده با رای گیری وزنی پیشنهادی براساس الگوریتم ژنتیک نسبت به دوازده طبقه بند دیگر بهتر می باشد.