اختيار الميزات الفعالة والمصنفات التعلم الآلي لتحسين الكشف عن التسلل اللاسلكي

تعد خوارزميات التعلم الآلي وسائل فعّالة تُطبق على أنظمة الكشف عن التسلل اللاسلكي (WIDS) في محاولة لحماية موارد الحوسبة من الوصول غير المصرح به. أحد الجوانب الرئيسية لتحسين WIDS المعتمد على تصنيف التعلم الآلي هو اختيار الميزات. تعتبر هذه الورقة تصنيفًا متعدد الفئات يستخدم أربع مجموعات ميزات فعالة تتكون على التوالي من 32 و 10 و 7 و 5 ميزات. تمثل الفئات 15 نوعًا من هجمات طبقة MAC 802.11، وتمثل الميزات معلومات حقول إطار 802.11. استخدمت النتائج التجريبية مجموعة بيانات التسلل اللاسلكي في بحر إيجه (AWID) لتقييم أداء سبعة مصنفات تعلم آلي معروفة، وهي: AdaBoost، Random Forest، Random Tree، J48، logit Boost، متعددة الطبقات Perceptron، وZeroR بالنسبة لمجموعة الميزات المختارة. يتفوق العمل المقدم على الأعمال السابقة ذات الصلة من حيث عدد الفئات والميزات والدقة. يحقق النظام المقترح باستخدام خوارزمية Random Forest و32 ميزة دقة قصوى تبلغ 99.64%. باستخدام logit Boost مع خمس ميزات، حققنا دقة قصوى تبلغ 99.53%.