تشخیص نفوذ در شبکه های رایانه ای با استفاده از انتخاب ویژگی ترکیبی موثر مبتنی بر روش اشتراک گیری اطلاعات متقابل، آزمون F تحلیل واریانس و الگوریتم ژنتیک

سامانه تشخیص نفوذ (IDS) حجم عظیمی از داده ها را مدیریت می کند که شامل ویژگی های نامرتبط و زاید است که منجر به مصرف منابع قابل توجه، روندهای آموزش و آزمایش طولانی مدت و نرخ تشخیص پایین می شود. از این رو، انتخاب ویژگی یک گام مهم در تشخیص نفوذ در نظر گرفته شده است. هدف این پژوهش، معرفی یک راهبرد مبتنی بر اشتراک است که به طور بهینه ویژگی ها را برای طبقه بندی انتخاب می کند. این انتخاب ویژگی شامل اشتراک گیری از روش های اطلاعات متقابل بر اساس مدل انتقال (MIT-MIT)، آزمون F تحلیل واریانس و الگوریتم ژنتیک (GA) است. یک مجموعه داده معیار، به نام NSL-KDD، برای ارزیابی اثربخشی رویکرد پیشنهادی استفاده می شود. این مطالعه شامل صحت، دقت، یادآوری و امتیاز F1  به عنوان معیارهای ارزیابی برای IDS است که روش پیشنهادی را با طبقه بندی کننده های پیشرفته تحلیل می کند. نتایج ارزیابی تایید کرده است که الگوریتم انتخاب ویژگی ما ویژگی های ضروری تری را برای IDS جهت دستیابی به دقت بالا فراهم می نماید و از سایر الگوریتم های مقایسه ای برتری می جوید.