ارائه یک روش جدید و ترکیبی برای وارسی هشدارها در سیستم های همبسته ساز

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,391

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE20_561

تاریخ نمایه سازی: 14 مرداد 1391

چکیده مقاله:

امروزه سیستم های تشخیص نفوذ اهمیت فوق العاده ای در تامین امنیت رایانه ها و شبکه های رایانه ای بر عهده دارند. سیست مهای همبسته ساز در کنار سیستم های تشخیص نفوذ قرار گرفته و با تحلیل و ترکیب هشدار های دریافتی از آن ها گزارش های مناسب برای بررسی وانجام اقدامات امنیتی تولید می نمایند. یکی از مشکلاتی که سیستم های تشخیص نفوذ با آن روبرو هستند، تولید حجم زیادی از هشدارهای غلط است. بنابراین یکی از مهمترین مسائل در سیستم های همبسته ساز، وارسی هشدارهای دریافت شده از سیستم تشخیص نفوذ به منظور تشخیص هشدارهای مثبت کاذب از هشدار های مثبت صحیح می باشد . در این مقاله یک روش جدید و ترکیبی برای وارسی هشدارها با استفاده از قوانین انجمنی، خوشه بندی و دسته بندی ارائه شده است. تمرکز اصلی این پژوهش بر روی بهین هسازی روش دسته بندیK نزدیکترین همسایه به منظور استفاده در وارسی هشدارها می باشد. روش ارائه شده روی یک مجموعه داده تست معتبر آزمایش شده و نتایج حاصل بیانگر کارایی مطلوب روش بهینه سازی دسته بندیK نزدیکترین همسایه و به تبع آن دقت بالای روش وارسی پیشنهادی می باشد

نویسندگان

سیدفخرالدین نوربهبهانی

دانشگاه صنعتی اصفهان، دانشکده مهندسی برق و کامپیوتر، مرکز تخصصی آپا

سیدرسول موسوی

دانشگاه صنعتی اصفهان

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 :
  • حل نموده بلکه دقت دسته‌بندی را نیز افزایش داده است. ...
  • B. Khosravifar, M. Gomrokchi and J .Bentahar, "A muli-agent- based ...
  • F. Valeur, G. Vigna, C. Kruegel and R. Kemmerer, _ ...
  • T. Pietraszek, "Using Adaptive Alert Classification to Reduce False ...
  • R. Vaarandi, K. Podins, "Network IDS alert classification with _ ...
  • H.-S. Lin, H.-K. Pao, C.-H. Mao, H.-M. Lee, T. Chen ...
  • _ _ _ _ _ correlation, " Computers and [9] ...
  • N. S ondberg-mads en, C. Thomsen and J. M. Pena, ...
  • _ _ _ Conference _ Very Large Data Bases, VLDB, ...
  • H. Jiawei, P. Jian and Y.Yiwen, SMining frequent patterns without ...
  • H. Liu and R. Setiono, _ probabilistic approach to feature ...
  • D. Aha and) Kib ler, 'Instance-based learning algorithms. ...
  • _ _ Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA, ...
  • N. Friedman, D. Geiger and M. Goldszmidt, Bayesian network classifiers, ...
  • _ _ _ Machine Learning, 144-151, 1998. ...
  • M. D. Buhmann, Radial Bas Functions: Theory and _ _ ...
  • F. Jungermann, "Tree kernel usage in naive bayes classifiers, " ...
  • نمایش کامل مراجع