TY - JOUR ID - TI - INTRUSION DETECTION USING A MIXED FEATURES FUZZY CLUSTERING ALGORITHM كشف التطفل عن طريق استخدام خوارزمية التجمع الضبابية ذات الميزات المختلطة AU - Sarab M. Hameed سراب مجيد حميد AU - Sumaia Saad Sulaiman سمية سعد سليمان PY - 2012 VL - 53 IS - 2 SP - 427 EP - 434 JO - Iraqi Journal of Science المجلة العراقية للعلوم SN - 00672904 23121637 AB - Proliferation of network systems and growing usage of Internet make network security issue to be more important. Intrusion detection is an important factor in keeping network secure. The main aim of intrusion detection is to classify behavior of a system into normal and intrusive behaviors. However, the normal and the attack behaviors in networks are hard to predict as the boundaries between them cannot be well distinct. This paper presents an algorithm for intrusion detection that combines both fuzzy C Means (FCM) and FCM for symbolic features algorithms in one. Experimental results on the Knowledge Discovery and Data Mining Cup 1999 (KDD cup 99) intrusion detection dataset show that the average detection rate of this algorithm is 99%. The results indicate that the proposed algorithm is able to distinguish between normal and attack behaviors with high detection rate.

انتشار نظم الشبكة والاستعمال المتزايد للإنترنت يجعل قضية الأمن أكثر أهمية. كشف المتطفل هو عامل مهما في حفظ الشبكة آمنة. الهدف الرئيسي لكشف المتطفلين هو تصنيف سلوك النظام إلى سلوك طبيعي وهجومي. ومع ذلك، فإن السلوك الطبيعي والهجومي في الشبكات يصعب التنبؤ بها والحدود بينهما لا يمكن أن تكون متميزة أيضا. يقدم هذا البحث خوارزمية جديدة تجمع بين خوارزمية FCM, FCM ذو الميزات الرمزية لكشف التطفل. أظهرت النتائج التجريبية علىKDD cup 99 بان معدل اكتشاف الخوارزمية المقترحة هو 99 ٪. تشير النتائج أن الخوارزمية المقترحة قادرة على التمييز بين السلوك الطبيعي والهجومي بمعدل اكتشاف عالي. ER -