امروزه بحث امنیت شبکه بیش از پیش مورد توجه پژوهشگران قرار گرفته است و تشخیص نفوذ به‌عنوان یکی از اجزای اصلی برقراری امنیت در شبکه‌های کامپیوتری شناخته می‌شود. سیستم‌های تشخیص نفوذ از تعدادی اشکالات مانند میزان بالای هشدارهای نادرست، بازده تشخیص کم و کارایی پایین رنج می‌برند. در این مقاله یک سیستم تشخیص نفوذ همکارانه مبتنی بر دسته‌بند بیزی برای بهبود مشکلات موجود ارائه شده است؛ به طوری‌که ترافیک به‌صورت جریانی وارد واحد آموزش دسته‌بندها شده و هر کدام از موتورهای تشخیص با استفاده از دانش اولیه ایجاد می‌شوند. در ادامه، در صورت مشاهده‌ داده جدید، از سایر سیستم‌های موجود همکار، برای‌ تشخیص داده‌ جدید کمک خواسته می‌شود. هر کدام از سیستم‌ها با توجه به واحد آموزش خود نسبت به داده جدید تشخیص می‌دهند و نتایج را می‌فرستند. سپس با توجه به نتایج، رأی‌گیری می‌شود و مجدداً نتیجه‌ تشخیص به‌هنگام می‌شود و داده‌ جدید به همراه نتیجه‌ به واحد آموزش اضافه می‌شود. ارزیابی این سیستم با استفاده از مجموعه داده NSL-KDD انجام و نتایج حاصل با دسته‌بند بیز ساده و بهبود یافته‌ آن مقایسه شده است. نتایج شبیه‌سازی‌ حاکی از آن است که سیستم پیشنهادی از لحاظ کارایی، دقت و نیز نرخ هشدارهای نادرست عملکرد مناسب‌تری نسبت به سیستم‌های موجود دارد.

کلمات کلیدی