딥 러닝 지원 침입 탐지 시스템을 갖춘 황금 자칼 최적화 알고리즘을 통한 네트워크 보안

네트워크 보안은 우리의 일상 통신과 네트워크에 필수적입니다. 사이버 보안 연구자들은 안전한 네트워크를 제공하기 위해 emerging proficient network intrusion detection systems (IDS)의 중요성을 강조합니다. 공격자들이 새로운 유형의 공격을 개발하고 네트워크 규모가 확대됨에 따라 효과적인 IDS의 필요성이 커집니다. 또한, IDS는 네트워크에 대한 불법 접근을 방지하여 네트워크에 연결된 컴퓨터에서 전송된 데이터의 기밀성, 무결성 및 가용성을 제공하는 것을 목표로 합니다. 여러 연구들은 효과적인 IDS를 위해 머신 러닝(ML) 시스템을 개발했으며, 그러다가 인간의 개입 없이 특성을 자동으로 생성하는 딥 러닝(DL) 시스템과 인공 신경망(ANN)이 등장하면서 연구자들은 DL 접근 방식에 의존하기 시작했습니다. 본 연구는 네트워크 보안을 위해 딥 러닝 지원 침입 탐지 시스템(GJOADL-IDSNS)을 갖춘 새로운 황금 자칼 최적화 알고리즘을 소개합니다. GJOADL-IDSNS 시스템의 주요 목적은 네트워크 보안을 달성하기 위해 침입을 효과적으로 인식하고 분류하는 것입니다. 가장 먼저, 입력 데이터를 유용한 형식으로 조정하기 위해 데이터 정규화가 수행됩니다. 제시된 GJOADL-IDSNS 기법에서는 GJOA 기반 특성 선택(GJOA-FS) 접근 방식을 사용하여 최적의 특성 하위 집합을 선택할 수 있습니다. 다음으로, GJOADL-IDSNS 방법론은 주의 기반 양방향 장기 단기 메모리(A-BiLSTM) 모델을 적용합니다. A-BiLSTM 모델의 하이퍼파라미터 조정을 위해 GJOADL-IDSNS 기법은 살프 스웜 알고리즘(SSA)을 사용합니다. GJOADL-IDSNS 기법의 시뮬레이션 값은 벤치마크 데이터 세트를 사용하여 테스트되었습니다. 비교 결과는 GJOADL-IDSNS 기법이 다른 모델에 비해 우수한 성능을 달성하고 있음을 나타냈습니다.