تشخيص نفوذ به شبكه با استفاده از يادگيري ماشين مبتني بر SVM

با توجه به گسترش روز افزون شبكه¬هاي كامپيوتري و بحث شبكه بيش از گذشته مورد توجه پژوهشگران قرار گرفته است. در اين زمينه تشخيص نفوذ به عنوان يكي از اجزاي اصلي برقراري امنيت در شبكه¬هاي كامپيوتري شناخته مي¬شود كه ابزار اصلي آن كنترل ترافيك شبكه و تحليل رفتار¬هاي كاربران مي¬باشد يكي از راه¬هاي پياده¬سازي چنين سيستم ¬هايي استفاده از دسته¬بندي-ها مي¬باشد. كه با استفاده از مشخص نمودن الگوها در حجم زياد داده مي¬تواند كمك بزرگي به ما كند. با استفاده از روش¬هاي داده¬كاوي و مشخص نمودن يك برچسب دودويي(بسته نرمال، بسته غيرنرمال) و همچنين مشخص كردن ويژگي¬هاي داده¬ها كه مي¬توان داده¬هاي غيرنرمال را تشخيص داد از اين رو دقت درستي سيستم تشخيص نفوذ افزايش مي¬يابد و در نتيجه امنيت شبكه بالا مي¬رود. مدل پيشنهادي اين پايان نامه به بررسي الگوريتم SVM در انتخاب خصيصه¬ها و تأثير استفاده از الگوريتم¬هاي يادگيري ماشين در ميزان دقت و ميزان تشخيص نفوذ در سيستم مي-پردازد كه نتايج حاصل نشان مي¬دهد كه استفاده از اين الگوريتم به افزايش ميزان دقت و تشخيص درست هشدارها نسبت به روش-هاي قبلي مي¬انجامد.