سیستم تشخیص نفوذ به شبکه با استفاده از الگوریتم جستجوی کلاغ

نویسندگان :

در دنیای توسعه یافته و به هم پیوسته امروزی، تعداد شبکه‌ها و نقض امنیت داده‌ها به‌شدت در حال افزایش است. دلایل آن شامل رشد ترافیک شبکه و پیشرفت فناوری است که منجر به ایجاد انواع جدیدتری از حملات شده است. سیستم‌های تشخیص نفوذ به عنوان نگهبان شبکه باید توانایی شناسایی و دفاع را در زمان بسیار کوتاه داشته باشند و چون روش‌های پیشین برای حل این مسئله از منظر محاسباتی و مقیاس‌پذیری ضعف دارند، الگوریتم‌های بهینه‌سازی فرا ابتکاری برای حل چنین مسائلی می‌توانند کارایی قابل قبولی را داشته باشند، در این تحقیق ازالگوریتم جستجوی کلاغ (CSA) که کارایی IDS را در تشخیص ترافیک عادی و غیرعادی در شبکه افزایش می‌دهد و با ترکیب یادگیری ماشین این تشخیص نفوذ به شبکه (IDS) را روی مجموعه داده UNSWNB-15 اعمال می‌کند، و روش طبقه‌بندی، یادگیری ماشین SVM، KNN وDT را اتخاذ کرده و از CSA برای تنظیم پارامترهای SVM، KNN وDT استفاده شده است. از آنجایی که حمله عمومی رایج‌ترین نوع حمله در مجموعه داده است، هدف اصلی شناسایی حملات عمومی در ترافیک شبکه است. روش پیشنهادی در به حداقل رساندن میزان خطای متقاطع از سایر روش‌ها با طبقه بند KNN بهتر عمل کرد. همچنین بهترین نتایج را به ترتیب با99.25%، 99.43% و 99.43% برای معیارهای دقت، امتیاز F1 و میانگین G به دست آورد.