سال انتشار: ۱۳۹۳
محل انتشار: اولین همایش ملی مهندسی برق و کامپیوتر در شمال کشور
تعداد صفحات: ۸
نویسنده(ها):
محمد خدایار – دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه کامپیوتر، فارس، ایران
علیرضا عصاره – دانشکده فنی و مهندسی، دانشگاه شهید چمران اهواز، خوزستان، ایران

چکیده:
با توجه به رشد فوق العاده ای خدمات مبتنی بر شبکه، تشخیص نفوذ به عنوان یک امر مهم و حیاتی برای برقراری امنیت شبکه پدید آمده است. ترافیک شبکه از حمله و ترافیک عادی تشکیل شده است. تعداد حملات در شبکه به طور معمول بخش بسیار کوچکی از ترافیک در کل شبکه را تشکیل می دهد. به کارگیری روش های داده کاوی هوشمند برای پیش بینی نفوذ در چنین شبکه های با حجم بالای ترافیک رو به افزایش است. اکثر سیستم های تشخیص نفوذ از یک الگوریتم طبقه بندی جهت طبقه بندی داده ها و ترافیک شبکه که به عنوان رفتار طبیعی یا غیرعادی است استفاده می کنند. در این مقاله مهم ترین الگوریتم های درخت تصمیم معرفی می شوند و عملیات کاهش ویژگی روی مجموعه داده NSL-KDD انجام می شود. نتایج حاصل از آزمایش ها نشان می دهد که الگوریتم درخت تصمیم NBTree نسبت به الگوریتم های درخت تصمیم دیگر از لحاظ دقت و کارایی عملکرد بهتری را از خود نشان می دهد.