طراحی دست بندی کننده ی تلفیقی برای تشخیص نفوذ با استفاده از ماشین های بردار پشتیبان و شبکه های بیزی ساده

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 941

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST01_130

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

امنیت شبکه یک نیاز ضروری برای امن بودن اطلاعات محرمانه ذخیره شده در شبکه هاب می باشد. نفوذ ممکن است به علت آسیب پذیری سیستم و یا نقص برنامه اتفاق بیفتد. تشخیص نفوذ در یک سیستم شبکه ای بزرگ در صورتی که میزان کلانی از سرورها و سرویس های آنلاین در سیستم اجرا شوند، ضروری است. هدف تشخیص نفوذ، نظارت فعالیت های شبکه به طور خودکار، تشخیص حملات بداندیش و تاسیس یک معماری مناسب امنیت شبکه ی کامپیوتری با همکاری پیشگیری ار نفوذ از قبیل دیواره های آتش، می باشد. در این مقاله دو رویکرد سیستم های بردار پشتیبان و شبکه های بیزی ساده برای ساخت سیستم تشخیص نفوذ، ترکیب می شوند. با توجه به نتایج تحقیقات انجام شده در طی سال های گذشته می توان پی برد که نرخ تشخیص برای حملات U2R و R2L به طور نسبی پایین است، بنابراین ایده ی اصلی طرح ارائه شده، بالا بردن نرخ تشخیص برای حملات U2R و R2L و همچنین پایین آوردن میزان هشدارهای غلط برای این حملات می باشد. کارائی رویکرد جدید ارائه شده با استفاده از مجموعه داده ی KDD Cup 1999 اندازه گیری شده است که نتایج به دست آمده، نرخ تشخیص بالا و میزان کم بودن نرخ هشدارهای غلط را نشان می دهد.

کلیدواژه ها:

امنیت ، سیستم تشخیص نفوذ ، سیستم های بردار پشتیبان ، شبکه های بیزی ساده ، هشدارهای غلط

نویسندگان

هانیه بحرانی

گروه کامپیوتر، دانشکده فنی، دانشگاه آزاد اسلامی واحد شبستر

جمشید باقرزاده

استادیار گروه کامپیوتر، دانشگاه ارومیه

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 :
  • A. Patcha and J. M. Park, "An overview of anomaly ...
  • Y. Liua, K. Chen, X. Liao and W. Zhang, "A ...
  • P. G. Teodoro, J. D. Verdejo, G. M. Ferandez and ...
  • intrusion detection: Techniques, systems and Computers & security 28, pp. ...
  • P. G. Teodoro, E. D. Verdejo, G. M. Fernander and ...
  • K. Dinakara, "Anomaly based Network Intrusion Detection System, " Thesis ...
  • clustering and decision trees, " Pattern Recognition Letters 29, pp. ...
  • genetic clustering Method detection, " Pattern 942, (2004). ...
  • Recognition 37, pp. 927 - "Genetic- ...
  • intrusion detection, " Pattern Recognition 40, pp. 2373-2391, (207). ...
  • Systems with Applications 37, pp. 6225-6232, (2010). ...
  • Q. Zhang and W. Feng, "Network Intrusion Detection by Support ...
  • Sh. J. Horng, M. Yang Su, Y. H. Chen, T. ...
  • M. J. Carey and S. Ceri, "Web Data Mining, " ...
  • Research 32, pp. 2617-2634, (2005). Srinivas Mukkamala, G uadalupe ...
  • Maharashtra, India (2010). ...
  • Jonathan Palmer, "Naive Bayes Classification for Intrusion Detection Using Live ...
  • Nahla Ben Amor, Salem Benferhat and Zied "Naive Bayes vs ...
  • Intrusion Detection Systems, " ACM Symposium On Applied Computing, (2004) ...
  • Computer Science and Network Security, VOL. 7 No. 12, (2007). ...
  • Hesham Altwaijy, Saeed Algarny, " Bayesian Based Intrusion Detection System, ...
  • King Saud University Information Sciences, (2011). ...
  • نمایش کامل مراجع