یک روش جدید مبتنی بر تکنیک های داده کاوی به منظور کشف انواع حملات و بهبود نرخ تشخیص درست در سیستم های تشخیص نفوذ
محل انتشار: کنفرانس بین المللی علوم و مهندسی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 607
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICESCON01_1069
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
امروزه با گسترش روزافزن اینترنت و درنتیجه سیستم های کامپیوتری مبتنی بر شبکه و نقش مهم آنها در ارتباطات و انتقال اطلاعات،تامین امنیت این شبکه های کامپیوتری، به عنوان یک ضرورت و چالش اساسی برای مدیران امنیتی شبکه ها مطرح بوده است. سیستم های تشخیص نفوذ، یکی از زمینه های مهم تحقیقاتی در امنیت شبکه های کامپیوتری هستند. هدف سیستم تشخیص نفوذ، کشف وشناسایی حملات و تشخیص اشکالات امنیتی در شبکه های کامپیوتری و اعلام آن به مدیران امنیتی میباشد. در این مقاله به منظورتشخیص تعداد بیشتری از کلاسهای حملات، بهبود نرخ تشخیص درست و به حداقل رساندن نرخ تشخیص اشتباه، با استفاده از روشهای دادهکاوی انتخاب ویژگی و درخت تصمیم C5.4 ، یک روش جدید تشخیص نفوذ ارائه میشود. برای ارزیابی روش پیشنهادی، از مجموعه داده KDD Cup 99 مجموعه داده استاندارد رایج و بزرگ برای ارزیابی سیستم های تشخیص نفوذ، استفاده شده است. نتایج بدست آمده نشان میدهند روش پیشنهادی به نرخ تشخیص درست میانگین0/999 دست یافته است و همزمان نرخ تشخیص اشتباه میانگین را به 0/002 کاهش داده است
کلیدواژه ها:
نویسندگان
ناصر صفرزاده
کارشناس ارشد مهندسی کامپیوتر – نرم افزار ، دانشگاه آزاد اسلامی واحد شبستر
محمد بصری
کارشناس ارشد مهندسی کامپیوتر – نرم افزار ، دانشگاه آزاد اسلامی واحد زنجان
پیمان کریمی
کارشناس ارشد مهندسی کامپیوتر – علوم کامپیوتر ، دانشگاه آزاد اسلامی واحد خوی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :