ارائه یک سیستم تشخیص نفوذ جدید مبتنی بر ماشین بردار پشتیبان و بهینه‌سازی کلونی زنبور مصنوعی بهبودیافته

Abstract

میزان نفوذ در شبکه در حال افزایش است. سیستم تشخیص نفوذ، می‌تواند تا حد زیادی از حملات به شبکه جلوگیری کند. انتخاب ویژگی یک موضوع حیاتی در سیستم‌های تشخیص نفوذ می‌باشد که بر روی صحت و کارایی آن تأثیر بسزایی دارد. در این تحقیق، یک سیستمِ تشخیصِ نفوذ در شبکهِ ترکیبیِ جدید با استفاده از الگوریتم کلونی زنبور مصنوعی بهبودیافته مبتنی بر طبقه‌بند ماشین بردار پشتیبان با روش ارزیابی 10-fold برای انتخاب بهترین ویژگی‌ها پیشنهاد گردیده است. ایده اصلی، از ترکیب معادلات جستجوی بهینه‌سازی ازدحام ذرات و تکاملی تفاضلی در فاز زنبورهای کارگر و ناظر به‌منظور به‌روزرسانی موقعیت زنبورها و به‌کارگیری پرواز لوی در فاز زنبورهای پیشاهنگ، به‌منظور بهبود بهره‌برداری و نرخ همگرایی در الگوریتم کلونی زنبور مصنوعی می‌باشد. روش پیشنهادی مقاومت و پایداری خود را بر روی مجموعه‌داده NSL-KDD نشان داده و به‌طور قابل توجهی توانسته به بهبود عملکرد کلی سیستم تشخیص نفوذ با صحت 98/97 درصد کمک کند.