استفاده از الگوریتم رقابت استعماری اصلاح شده به منظور افزایش سرعت و دقت سیستم تشخیص نفوذ هوشمند
الموضوعات : سامانههای پردازشی و ارتباطی چندرسانهای هوشمند
محمد نظرپور
1
(دانشجوی دکتری، مدیریت فناوری اطلاعات، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران)
نوید نظافتی
2
(استادیار، گروه مدیریت، دانشگاه شهید بهشتی، تهران، ایران)
سجاد شکوهیار
3
(دانشیار، گروه مدیریت، دانشگاه شهید بهشتی، تهران، ایران.)
الکلمات المفتاحية: فرمولاسیون انطباقی, قانون فازی, الگوریتم ICA, تشخیص حمله, شبکه عصبی,
ملخص المقالة :
در تمام سیستمهای پردازش اطلاعات، شناسایی حملات سایبری یک چالش اصلی محسوب می شود و با شناسایی به موقع حملات میتوان اثرات آن را مسدود یا کم کرد. سیستم اینترنت اشیا نیز از این پدیده مستثنی نبوده و با پیشرفت رو به رشد این فناوری و گسترش زیرساخت های آن، نیاز به سیستم تشخیص نفوذ هوشمند با دقت و سرعت بالا یک امر ضروری است. شبکههای عصبی سیستمهای مدرنی هستند که از روشهای محاسباتی نوین برای یادگیری ماشین، نمایش دانش و در نهایت استفاده از دانش کسبشده برای به حداکثر رساندن پاسخهای خروجی سیستمهای پیچیده استفاده می کنند. یکی از معایب استفاده از آموزش با روش های کلاسیک در شبکه های عصبی، گیرافتادن در نقاط بهینه محلی است. در این مقاله از الگوریتم فراابتکاری رقابت امپریال (ICA) برای آموزش شبکه های عصبی استفاده کرده، نشان دادیم که این الگوریتم در زمینه تشخیص نفوذ در سیستم اینترنت اشیا، می تواند عملکرد بسیار بهتری از منظر سرعت و دقت نسبت به روش های آموزشی کلاسیک داشته باشد .نتایج نشان می دهد روش پیشنهادی دارای دقت 90% می باشد که در مقایسه با روش شبکه عصبی کلاسیک که دارای دقت 75 درصد بوده عملکرد بهتری دارد.
_||_