انتخاب ويژگي و تشخيص نفوذ در شبكه‌هاي حسگر بي سيم با استفاده از يادگيري ماشين مفرط بدون نظارت (UELM)

امروزه سيستم هاي كامپيوتري مبتني بر شبكه، نقش حياتي در جامعه مدرن امروزي دارند و به همين علت ممكن است هدف دشمن و يا نفوذ قرار گيرند. به منظور ايجاد امنيت كامل در يك سيستم كامپيوتري متصل به شبكه، استفاده از ديوار آتش و ساير مكانيزم‌هاي جلوگيري از نفوذ هميشه كافي نيست و بايد از سيستم هاي ديگري به نام سيستم هاي تشخيص نفوذ استفاده شود. به دليل وجود مشخصه‌هاي زياد در داده‌هاي مربوط به سيستم هاي تشخيص نفوذ، جهت استفاده از مشخصه‌هاي مطلوب و موثر از الگوريتم يادگيري ماشين مفرط بدون نظارت استفاده مي‌شود. جهت طبقه‌بندي داده‌ها از مدل UELM و ارزيابي عملكرد روش پيشنهادي، از پايگاه داده با ركوردهاي واقعي تر NSL-KDD نسبت به ساير مجموعه دادگان تشخيص نفوذ، استفاده مي‌گردد. نتايج آزمايش‌ها نشان‌دهنده صحت 98.38 UELM در مقايسه با صحت 93.74 GWO است. دليل اين برتري، استفاده ازمدل مناسب در مسئله دسته‌بندي، تشخيص نفوذ، ساختار مستحكم و تعميم‌پذير شبكه عصبي بدون نظارت مي باشد.