تشخیص نفوذ با الگوریتم درخت تصمیم DT در متلب

در این بخش سورس کد تشخیص نفوذ با الگوریتم درخت تصمیم DT در متلب قرار داده شده است. در این سورس کد دیتاست معروف سیستم تشخیص نفوذ یعنی NSL-KDD با استفاده از الگوریتم درخت تصمیم دسته بندی یا کلاس بندی Classfication شده است. این سورس کد به همراه یک فیلم آموزش نحوه اجرا و توضیحات کلی برنامه همراه با یک گزارش کار ۵ صفحه‌ای در قالب Word آماده دانلود می‌باشد.

سیستم تشخیص نفوذ

سیستم تشخیص نفوذ Intrusion Detection System یا به اختصار IDS وظیفه تشخیص هر گونه استفاده غیرمجاز به سیستم، سوء استفاده یا آسیب‌رسانی توسط کاربران را بر عهده دارند. تشخیص و جلوگیری از نفوذ، امروزه به عنوان یکی از مکانیزم‌های اصلی در برآوردن امنیت شبکه‌ها و سیستم‌های کامپیوتری مطرح است و عمومأ در کنار فایروال‌ها و به صورت مکمل امنیتی برای آن‌ها مورد استفاده قرار می‌گیرند.

سیستم‌های تشخیص نفوذ از دیدگاه روش تشخیص بر اساس دو تکنیک متمایز، یعنی تطابق الگو  misuse detection و ناهنجاری های آماری anomaly detection عمل می‌کنند.

اصلی‌ترین روش تشخیص نفوذ IDSهای مبتنی بر آنومالی یا ناهنجاری هست. در این روش استفاده از الگوریتم‌های یادگیری ماشین بسیار رایج است. در روش‌های یادگیری ماشین با توجه به دسته‌بندی، مدلی استخراج می‌شود که بر اساس آن می‌توان با دقت مناسب تشخیص نفوذ در سیستم جدید را انجام داد.

یافته‌های قبلی بر اساس یادگیری از متریک‌های به‌دست‌آمده از حملات نشان می‌دهد ارتباط قوی بین این متریک‌ها و تشخیص نفوذ وجود دارد. الگوریتم‌های مختلفی برای دسته‌بندی وجود دارد از جمله‌ی این روش‌ها می‌توان‌ به درخت تصمیم، الگوریتم k‌ همسایه نزدیک، الگوریتم نیوبیزین، بردار پشتیبانی ماشین و شبکه‌های عصبی می‌باشد.

الگوریتم درخت تصمیم Decision Tree

الگوریتم درخت تصمیم یا الگوریتم ID3 یکی از روش‌های دسته بندی یا classification در زیر شاخه گروه جدول فراوانی Frequency Table در بحث پیش بینی آینده predicting the future در علوم داده یا داده کاوی است. الگوریتم درخت تصمیم Decision Tree مدل‌های طبقه بندی یا رگرسیون را به شکل ساختار درخت می سازد.

درخت تصمیم ، مجموعه داده را به زیر مجموعه‌های کوچکتر و کوچکتر تجزیه می‌کند و یک درخت تصمیم مرتبط به صورت تدریجی توسعه می‌یابد. نتیجه نهایی یک درخت با گره‌های تصمیم‌گیری و گره‌های برگ است. یک گره تصمیم دارای دو یا چند شاخه است. گره برگ یک طبقه بندی یا تصمیم را نشان می‌دهد. بالاترین گره تصمیم گیری در یک درخت که مطابق با بهترین پیش بینی کننده به نام گره ریشه است. درختان تصمیم گیری می‌توانند داده‌های دسته‌ای و عددی را کنترل کنند.

تشخیص نفوذ با الگوریتم درخت تصمیم DT در متلب

به منظور طبقه بندی سوابق به پنج سطح ، مجموعه داده‌های اولیه با استفاده از چندین طبقه بندی معیار مورد ارزیابی قرار گرفت و هر نمونه با تعداد پیش بینی‌های موفقیت آمیز آن حاشیه نویسی شد. برای هر گروه، میزان سوابق انتخاب شده معکوس با درصد ضبط از مجموعه داده اصلی KDDCup 99 است. در کل ۴۲ ویژگی برای دیتاست در نظر گرفته شده که ۴۱ ویژگی مربوط به داده‌های جمع آوری شده و ویژگی آخر نیز به عنوان برچسب هدف با عنوان نرمال یا حمله می‌باشد.

در این تحقیق از مجموعه‌های KDDTrain+ ، KDDTest+  و KDDTest-21 مجموعه داده‌های NSL-KDD استفاده شده است. مجموعه +KDDTrain به عنوان مجموعه داده برای آموزش شامل ۱۲۵۹۷۳ نمونه است که شامل ۵۸۶۳۰ مورد ترافیک حمله و ۶۷۳۴۳ نمونه ترافیک عادی است.

مجموعه +KDDTest شامل ۲۲۵۴۴ نمونه است و برای تست از آن استفاده می‌شود و به عنوان زیر مجموعه‌ای از مجموعه +KDDTest، مجموعه KDDTest-21 شامل کل ۱۱۸۵۰ نمونه است. اعتبارسنجی متقابل بر روی مجموعه +KDDTrain در آزمایشات انجام می‌شود.

در این سورس کد ابتدا پوشه Datasets به درون برنامه addpath می‌شود تا فایل‌های درون این پوشه قابل استفاده باشند. دیتاست‌های آموزش KDDTrain و تست KDDTest و KDDtest_21 لود می‌شوند تا آماده شوند. در ادامه نیز داده‌های آموزشی و تست از لحاظ لیبل آخر و ویژگی‌ها تقسیم بندی می‌شوند و سپس برای دسته بندی به الگوریتم یادگیری درخت تصمیم داده می‌شوند.

قسمت هایی از سورس کد تشخیص نفوذ با الگوریتم درخت تصمیم

clc, clear, close all
addpath(genpath('Datasets'))

load KDDTrain
load KDDTest
load KDDtest_21


trn_Inputs=KDDTrain(:,1:end-1);
tst_Inputs=KDDTest(:,1:end-1);
trn_Outputs=KDDTrain(:,end);
tst_Outputs=KDDTest(:,end);



 %% Test the results
tree = ClassificationTree.fit(trn_Inputs,trn_Outputs);
y_hat_tst = predict(tree, tst_Inputs);
 
[c_matrix,Result]= confusion.getMatrix(tst_Outputs,y_hat_tst);

درباره تشخیص نفوذ با الگوریتم درخت تصمیم

سورس کد تشخیص نفوذ با الگوریتم درخت تصمیم DT در متلب عنوان اثری است که در این پست به آن پرداخته شده است این فایل در نرم افزار متلب نوشته شده و دارای یک فایل ورد با تعداد ۵ صفحه می‌باشد. این سورس کد بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است. اثر دارای نشان تضمین کیفیت پی استور می‌باشد. برای دانلودفایل آن را خریداری کنید.