بهبود عملكرد دسته بند K- نزديكترين همسايه در تشخيص نفوذ شبكه هاي كامپيوتري با استفاده از ضريب اهميت ويژگي ها

افزايش گستره شبكه هاي كامپيوتري و كاربران اينترنت و بدنبال آن، حجم عظيمي از داده در سازمان، منجر به افزايش تعداد فعاليت هاي غير مجاز شده است. از آنجا كه هيچ سيستم كاملا امني وجود ندارد، تشخيص، تشخيص نفوذ و تحليل آسيب پذيري از اهميت زيادي برخوردار است. هدف از تشخيص نفوذ، شناسايي فعاليت هايي است كه قصد استفاده غير مجاز، آسيب رساندن به سيستم ها و سوء استفاده از شبكه هاي كامپيوتري را دارند. با توجه به افزايش روز افزون پيچيدگي و اندازه داده ها، تكنيك هاي كاهش ابعاد داده به همراه داده كاوي مطرح شده است كه بطور غير مستقيم، توصيفي را ايجاد كرده كه از تكنيك هاي تحليل خودكار داده استفاده مي كند. بنابراين در اين مقاله، ابتدا مفاهيم و لزوم استفاده از سيستم تشخيص نفوذ (IDS) شرح داده شده و بدنبال آن، رويكردهاي داده كاوي براي ساخت مدل هاي تشخيص نفوذ بيان شده اند، سپس اهميت انتخاب ويژگي و تاثير آن بر IDS را توصيف كرده ايم و در نهايت سيستم پيشنهادي به منظور بهبود عملكرد دسته بند k نزديكترين همسايه براي تشخيص نفوذ ترافيك شبكه ارائه شده است.