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

میزان نفوذ در شبکه در حال افزایش است. سیستم تشخیص نفوذ، می تواند تا حد زیادی از حملات به شبکه جلوگیری کند. انتخاب ویژگی یک موضوع حیاتی در سیستم های تشخیص نفوذ می باشد که بر روی صحت و کارایی آن تاثیر بسزایی دارد. در این تحقیق، یک سیستم تشخیص نفوذ در شبکه ترکیبی جدید با استفاده از الگوریتم کلونی زنبور مصنوعی بهبودیافته مبتنی بر طبقه بند ماشین بردار پشتیبان با روش ارزیابی 10-fold برای انتخاب بهترین ویژگی ها پیشنهاد گردیده است. ایده اصلی، از ترکیب معادلات جستجوی بهینه سازی ازدحام ذرات و تکاملی تفاضلی در فاز زنبورهای کارگر و ناظر به منظور به روزرسانی موقعیت زنبورها و به کارگیری پرواز لوی در فاز زنبورهای پیشاهنگ، به منظور بهبود بهره برداری و نرخ همگرایی در الگوریتم کلونی زنبور مصنوعی می باشد. روش پیشنهادی مقاومت و پایداری خود را بر روی مجموعه داده NSL-KDD نشان داده و به طور قابل توجهی توانسته به بهبود عملکرد کلی سیستم تشخیص نفوذ با صحت 98/97 درصد کمک کند.