Journal of Command and Control

fa بهره گیری از طبقه‌بندی‌کننده‌ی عصبی– فازی برای سیستم های تشخیص نفوذ Using Of Neuro-Fuzzy Classifier for Intrusion Detection Systems هوش مصنوعی Artificial Intelligence پژوهشي Research یکی از ابزارهای هوش مصنوعی، سیستم استنتاج تطبیقپذیر عصبی – فازی است، که در این مقاله برای ساخت سیستم تشخیص نفوذ مورد استفاده قرار گرفته است و ما آن را دستهبندی کنندهی عصبی – فازی مینامیم. سیستم تشخیص نفوذ مبتنی بر طبقهبندی کننده شبکه عصبی-فازی  یک سیستم تشخیص نفوذ مبتنی بر ناهنجاری است که از منطق فازی و شبکه عصبی برای تشخیص اینکه فعالیت مخرب در یک شبکه انجام می شود، استفاده می کند. در این مقاله به تشریح معماری دستهبندی کنندهی عصبی – فازی و مؤلفه های آن می پردازیم.  قوانین فازی نمونه برای برخی از حملات ایجاد شده و نتایج آزمایش با داده های واقعی شبکه شرح داده شده است. آزمایشات و ارزیابی های ما با مجموعه NSLKDD مجموعه داده های تشخیص نفوذ انجام شده است که نسخه ای از مجموعه داده های ارزیابی نفوذ KDD Cup99 است که توسط آزمایشگاه های MIT Lincoln تهیه و مدیریت شده است. در نهایت، این مقاله سعی بر آن دارد تا با بررسی عملکرد مدل "سیستم استنتاج تطبیقپذیر عصبی – فازی" بر روی یک مجموعه استاندارد و جامع میزان کارایی مدل طراحی شده را نشان دهد.  One of the tools of artificial intelligence is the adaptive neural-fuzzy inference system (ANFIS), which is used in this article to build an intrusion detection system and we call it the neural-fuzzy classifier. The Intrusion Detection System based on ANFIS is an anomaly based intrusion detection system that uses fuzzy logic and neural network to detect if malicious activity is taking place on a network.  This paper describes the architecture of the ANFIS and its components. The sample fuzzy rules are developed for some kinds of attacks and the testing results with actual network data are described. Our experiments and evaluations were performed with the NSLKDD intrusion detection dataset which is a version of the KDD Cup99 intrusion detection evaluation dataset prepared and managed by MIT Lincoln Laboratories. Finally, this paper tries to show the efficiency of the designed model by examining the performance of the "neural-fuzzy adaptive inference system" model on a standard and comprehensive set. سیستم تشخیص نفوذ, شبکه عصبی, طبقه‌بندی ‌کننده‌ی عصبی – فازی, انفیس, NSLKDD Intrusion Detection System, neural network, neuro-fuzzy classifier, ANFIS, NSLKDD 47 61 http://ic4i-journal.ir/browse.php?a_code=A-10-319-1&slc_lang=fa&sid=1 Mohammad Hassan Nataj Solhdar محمد حسن نتاج صلحدار nataj.solhdar@gmail.com 10031947532846001737 10031947532846001737 Yes دانشگاه شهید چمران اهوازـ ‍ پردیس صنعتی شهدای هویزه