घुसपैठ पहचान के लिए एक एन्सेम्बल वर्गीकरण दृष्टिकोण

विभिन्न रूपों में बढ़ते साइबर हमले सभी को उनकी जानकारी की धनराशि की रक्षा के लिए प्रभावशाली घुसपैठ पहचान प्रणालियाँ लागू करने के लिए मजबूर करते हैं। पिछले दो दशकों से घुसपैठ पहचान प्रणाली के विकास में विभिन्न तकनीकों का उपयोग करके व्यापक शोध हो रहा है। लेकिन, न्यूनतम गलत सकारात्मक के साथ अधिकतम सटीकता उत्पन्न करने वाले पहचान प्रणालियों को डिजाइन करना अनुसंधान समुदाय के लिए एक चुनौतीपूर्ण कार्य बना हुआ है। एन्सेम्बल विधि मशीन लर्निंग के क्षेत्र में एक प्रमुख विकास है। इस शोध कार्य में, विभिन्न वर्गीकरणकर्ताओं से एक नई एन्सेम्बल वर्गीकरण विधि प्रस्तावित की गई है। वर्गीकरण के लिए सपोर्ट वेक्टर मशीन तकनीक, कृत्रिम न्यूरल नेटवर्क और रैण्डम फॉरेस्ट का उपयोग किया गया है। बेहतर परिणाम उत्पन्न करने के लिए एन्सेम्बल मॉडल बनाया जाता है। मॉडल सभी प्रकार के हमलों के लिए आशाजनक परिणाम दिखाता है।