دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 2 2 2022 05 31 Increasing Accuracy of Intrusion Detection System using Support Vector Machine and Bat Algorithm بهبود الگوریتم ماشین بردارپشتیبان جهت افزایش دقت تشخیص نفوذ توسط الگوریتم خفاش 92 106 10.22051/jera.2021.31891.2698 FA مهشید فارغ اتحصیل ارشد دانشگاه ازاد اسلامی واحد مشهد سید استاد دانشگاه ازاد اسلامی واحد مشهد حسن استاد دانشگاه ازاد اسلامی واحد مشهد 2022 05 24 Intrusion Detection System (IDS) is a device or software to monitor networks or systems in order to search for malicious activity or policy violations. The most critical challenge in IDS is distinguishing between normal and malicious traffic. The accuracy of IDS has been recently improved through various Learning models. However, the accuracy of the IDS systems still remained a challenge, as attacker and malicious nodes change their behaviors frequently. This research proposes a model to increase the accuracy of the IDS using Support Vector Machine (SVM) and Bat Algorithm (BA). SVM is one of the machine learning algorithms that recently applied by researches for various classification and regression problems and it shows an outstanding performance. Anyhow, the performance of SVM strongly depends on its parameters. In this research, we use BA to optimize the parameters of SVM to increase the accuracy of the IDS. BA has a distinct advantage over other metaheuristic algorithms, BA has the capability of automatically zooming into a region where promising solutions have been found. We evaluate the propose model using Nsl-Kdd dataset. The comparison between one of the recent machine learning algorithms and the present study indicates that the propose model has higher accuracy and better performance than the previous models. چکیده : سیستم تشخیص نفوذ دستگاه یا برنامه نرم افزاری است که شبکه یا سیستم ها را از نظر فعالیت های مخرب یا نقض خط مشی ها کنترل می کند. یکی از چالش های مهم در این زمینه، تشخیص درست حالت نرمال و حمله در سیستم میباشد. پژوهش های بسیاری در زمینه سیستم های تشخیص نفوذ میتنی بر روش های یادگیری صورت گرفته است . دقت سیستم تشخیص نفوذ اخیراً از طریق مدل‌های مختلف یادگیری ماشین بهبود یافته است. با این حال، دقت سیستم‌های تشخیص نفوذ همچنان یک چالش باقی می‌ماند، زیرا مهاجمان مرتباً رفتار خود را تغییر می‌دهند. این تحقیق مدلی را برای افزایش دقت سیستم تشخیص نفوذ با استفاده از ماشین بردار پشتیبان و الگوریتم خفاش پیشنهاد می‌کند.ماشین بردار پشتیبان یکی از الگوریتم های یادگیری ماشین است که توسط محققان بسیاری مورد تحلیل و بررسی قرار گرفته است. ماشین بردار پشتیبان در کار با حجم بالای داده ها کارایی لازم را دارد . به هر حال، عملکرد ماشین بردار پشتیبان به شدت به پارامترهای آن بستگی دارد. مقادیر مختلف پارامتر های ماشین بردار پشتیبان نتایج مختلفی را ارائه میدهند. بنابراین انتخاب ویژگی توسط الگوریتم خفاش انجام و پارامتر های ماشین بردار پشتیبان توسط الگوریتم خفاش بهبود پیدا میکند تا درصد دقت در سیستم های تشخیص نفوذ افزایش یابد. برای بررسی عملکرد مدل پیشنهادی از مجموعه داده Nsl-Kdd استفاده شده است . مدل پیشنهادی به کمک نرم افزار Matlab پیاده سازی شده است. نتایج نهایی نشان میدهد که روش انتخاب ویژگی با الگوریتم خفاش و بهبود الگوریتم ماشین بردارپشتیبان توسط الگوریتم خفاش در سیستم های تشخیص نفوذ برابر 97.86 درصد میباشد که نشان دهنده 5.42 درصد بهبود نسبت به مدل پیشنهادی یکی از اخرین کار های انجام شده که با ان مقایسه شده است ، می باشد. /downloadfilepdf/458764