تشخیص نفوذ مبتنی بر تئوری مجموعه های ناهموار و شبکه های عصبی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,172
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
LNCSE02_162
تاریخ نمایه سازی: 6 اسفند 1391
چکیده مقاله:
یک سیستم تشخیص نفوذ ابزاری سخت افزاری یا نرم افزاری است که با نظارت بر جریان رویدادها حملات را کشف م ی نماید. سیستمهای تشخیص نفوذ متعددی با روشهای مختلف برای کشف حملات وجود دارند که چالش اصلیآنها بالا بردن کارایی می باشد. بیشتر سیستم های تشخیص نفوذ کنونی از تمامی پارامترهای موجود در بسته های شبکه برای ارزیابی و کشف الگوهای حملات استفاده می نمایند، در صورتی که برخی از این پارامترها غیرمرتبط وزائد می باشند. استفاده از تمامی پارامترها باعث می شود که فرآیند تشخیص طولانی و کارایی سیستم تشخیص نفوذ تنزل یابد. سیستم تشخیص نفوذ ارائهشده در این مقاله از تئوری مجموعه های ناهموار و شبکه های عصبی به منظور افزایش کارایی و کاهش منابع کامپیوتر مانند حافظه و پردازنده مصرفی استفاده می کند. در مدل پیشنهادی برای انتخاب ویژگیهای مهم از تئوری مجموعههای ناهموار و برای دسته بندی ترافیک شبکه به دسته های نرمال و حملات از شبکه های عصبی استفاده میگردد. آموزش و آزمایش مدل ارائه شده بر روی پایگاه داده KDD-CUP99انجام شد و نتایج بیانگر آن بود که زمان آموزش وآزمایش به طور قابل ملاحظه ای کاهش می یابد و نرخ تشخیص حملات بیشتر و نرخ اعلان خطاها کمتر می گردد.
کلیدواژه ها:
نویسندگان
یاسمین علیش زاده
گروه کامپیوتر، دانشگاه آزاد اسلامی واحد اسلامشهر، ایران
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 :