آموزش جامع تشخیص نفوذ در دیتاست UNSW-NB15 با یادگیری ماشین و انتخاب ویژگی

معرفی دوره: تشخیص نفوذ در دیتاست UNSW-NB15 با انتخاب ویژگی مبتنی بر الگوریتم پنگوئن امپراتور (Emperor Penguin Optimization – EPO) و طبقه‌بندی با SVM، KNN و Decision Tree در MATLAB

این دوره جامع به آموزش تحلیل و تشخیص نفوذ (Intrusion Detection) با استفاده از داده‌های شبکه UNSW-NB15 و یادگیری ماشین (Machine Learning) به خصوص طبقه‌بندی (Classification) در محیط MATLAB می‌پردازد. شما در این دوره با تکنیک‌های پیش‌پردازش داده، انتخاب ویژگی‌های بهینه با الگوریتم پنگوئن امپراتور (Emperor Penguin Optimizer – EPO) و پیاده‌سازی سه الگوریتم طبقه‌بندی محبوب شامل ماشین بردار پشتیبان (Support Vector Machine – SVM)، نزدیک‌ترین همسایه‌ها (K-Nearest Neighbor – KNN) و درخت تصمیم (Decision Tree – DT) آشنا خواهید شد. هدف این دوره، کاهش پیچیدگی داده‌ها با حفظ اطلاعات مهم برای تشخیص نفوذ و افزایش دقت مدل‌های طبقه‌بندی است.

این دوره شامل مراحل مختلفی از آماده‌سازی داده، حذف ویژگی‌های غیرمؤثر و مدیریت داده‌های نامتوازن تا ارزیابی مدل‌های طبقه‌بندی و تحلیل نتایج می‌باشد. (طبق مقاله پایه)

---

سرفصل‌های دوره

بخش 1: مقدمه ای بر سیستم تشخیص نفود و بررسی مقاله پایه

 

بخش 2: آماده‌سازی داده‌ها و پیش‌پردازش

• خواندن داده‌ها از فایل‌های Excel:
  بارگذاری داده‌های آموزشی و تست از دیتاست UNSW-NB15 و بررسی ساختار اولیه داده‌ها.
• رمزگذاری ویژگی‌های کیفی (Categorical Features Encoding):
  تبدیل ویژگی‌های متنی به مقادیر عددی با استفاده از روش‌های رمزگذاری عددی برای آماده‌سازی داده‌ها جهت استفاده در مدل‌های یادگیری ماشین.
• حذف ویژگی‌های غیرمؤثر (Feature Removal):
  شناسایی و حذف ستون‌هایی که تأثیر کمی بر عملکرد مدل تشخیص نفوذ دارند، مانند شناسه‌ها یا اطلاعات نامرتبط.
• نرمال‌سازی داده‌ها (Normalization):
  مقیاس‌بندی داده‌های ورودی به محدوده مشخص (مثلاً 0 تا 1) برای اطمینان از بهبود عملکرد الگوریتم‌های یادگیری ماشین.
• توازن‌سازی داده‌ها (Data Balancing):
  استفاده از تکنیک‌های under-sampling برای مقابله با مشکل عدم توازن کلاس‌ها (Class Imbalance). این مرحله کمک می‌کند که مدل روی داده‌های کمتر دیده‌شده مانند حملات نفوذ بهتر آموزش ببیند.
• تبدیل کلاس ها به دو کلاس نرمال و غیر نرمال
• تقسیم‌بندی داده‌ها (Data Splitting):
  تفکیک داده‌ها به سه مجموعه‌ی:
  • آموزشی (Training Set): برای آموزش مدل.
  • اعتبارسنجی (Validation Set): برای تنظیم پارامترها و جلوگیری از بیش‌برازش (Overfitting).  K-fold Cross Validation  برای قسمت انتخاب ویژگی
  • تست (Testing Set): برای ارزیابی عملکرد نهایی مدل.

---

بخش 3: انتخاب ویژگی با الگوریتم پنگوئن امپراتور (EPO)

• معرفی الگوریتم EPO: شبیه‌سازی رفتار پنگوئن‌ها برای یافتن ویژگی‌های بهینه.
• فرمول‌بندی تابع هزینه (Cost Function): ترکیب دقت طبقه‌بند و تعداد ویژگی‌ها برای ارزیابی.
• پیاده‌سازی انتخاب ویژگی در MATLAB: استفاده از الگوریتم EPO برای کاهش ابعاد داده و انتخاب ویژگی‌های مؤثر.

---

بخش 4: طبقه‌بندی داده‌ها با سه الگوریتم

• ماشین بردار پشتیبان (SVM): آموزش و تنظیم پارامترهای مدل با استفاده از ویژگی‌های انتخاب‌شده.
• نزدیک‌ترین همسایه (KNN): تنظیم تعداد همسایه‌ها برای بهبود دقت در تشخیص نفوذ.
• درخت تصمیم (Decision Tree): استفاده از معیارهای تقسیم (Split Criteria) و ارزیابی اهمیت ویژگی‌ها (Feature Importance).

---

بخش 5: ارزیابی مدل و تحلیل نتایج

• معیارهای ارزیابی استاندارد:
  • دقت (Accuracy)، دقت مثبت (Precision)، نرخ بازیابی (Recall)، F1-Score.
• نمایش گرافیکی نتایج:
  • رسم ماتریس سردرگمی (Confusion Matrix).
  • نمودار ROC و محاسبه AUC برای تحلیل تفکیک‌پذیری مدل‌ها.
• تحلیل ویژگی‌های منتخب: بررسی تأثیر ویژگی‌های انتخاب‌شده در عملکرد مدل‌ها.

---

دستاوردهای دوره

• آشنایی با روش‌های پیش‌پردازش داده برای دیتاست‌های بزرگ و واقعی مانند UNSW-NB15.
• پیاده‌سازی انتخاب ویژگی با الگوریتم پنگوئن امپراتور برای کاهش ابعاد داده.
• یادگیری کاربرد سه الگوریتم طبقه‌بندی (SVM، KNN و DT) برای تشخیص نفوذ.
• تحلیل و مصورسازی نتایج ارزیابی برای بهبود مدل‌ها و ارائه گزارش‌های حرفه‌ای.

مدت زمان دوره: 2 ساعت
سطح دوره: از مقدماتی تا پیشرفته

مرجع:

A Modified Grey Wolf Optimization (GWO) Algorithm for an Intrusion Detection System (2022)