استفاده از الگوریتم کلونی مورچگان و روش یادگیری زوجی جهت طبقه بندی حملات در سیستم های تشخیص نفوذ

سیستم های تشخیص نفوذ برای ایجاد امنیت در شبکه های کامپیوتری پیشنهاد شده اند تا در صورتی که نفوذگر از سایر تجهیزات امنیتی عبور کرد، بتواند آن را تشخیص داده و از پیش روی آن جلوگیری کند. یکی از مهمترین چالش های این سیستم ها، ابعاد بالای داده های آن می باشد. در این تحقیق برای کاهش ابعاد داده ای از یک الگوریتم ژنتیک ساده با طول رشته متغیر استفاده می کنیم. در مرحله بعد با توجه به ویژگی های انتخاب شده، یک مدل فراابتکاری جهت طبقه بندی داده ها، با استفاده از الگوریتم مورچه ها ارایه می دهیم. مدل طبقه بندی پیشنهادی سعی در تقسیم بندی داده ها به دو بخش نمونه های هنجیده و ناهنجیده دارد. جهت ارزیابی عملکرد روش پیشنهادی از پایگاه داده NSL-KDD که نسبت به سایر داده های تشخیص نفوذ از رکوردهای واقعی تری برخورد دار است، استفاده می کنیم. نتایج حاصل از آزمایشات، عملکرد بهتر روش پیشنهادی را در مقایسه با سایر روش های موجود نشان می دهد.