سیستم های تشخیص نفوذ بر اساس بهبود کاراییFUZZY C-MEANS با استفاده از الگوریتمهای تخمین توزیع
محل انتشار: کنگره ملی مهندسی برق، کامپیوتر و فناوری اطلاعات
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 849
فایل این مقاله در 5 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:
CECIT01_420
تاریخ نمایه سازی: 14 شهریور 1392
چکیده مقاله:
با توجه حجم عظیم داده ها و گسترش روزافزون انواع حملات کامپیوتری بهترین روش تشخیص ، استفاده از روشهای اکتشافی و روش های هوش مصنوعی است. در این رایطه استفاده از روشهای نوینی که هم با پایگاه داده های عظیم بتواند کار کند و هم دقت بالایی را در تشخیصو دسته بندیانواع حملات بتواند انجام دهدضروری و مهم بنظر می رسد. نوآوری وهدف ما در این مقاله این است که، الگوریتم پیشنهادی علاوه بر استفاده از روش مناسب یادگیری بدون ناظر برای خوشه بندی در بالا بردن افزایش دقت تشخیص حملات در شبکه های کامپیوتری و دسته بندی انواع آن با استفاده الگوریتم های کارا نیز تلاش می کند. در این راستا ما از روش خوشه بندیfuzzy C_means استفاده نمودیم و با توجه اینکه سرخوشههای اولیه به صورت تصادفی انتخاب میشوند ، برای بالا بردن دقت و انتخاب مناسب تر سرخوشه ها از الگوریتم مبتنی برجامعه جوابی خاص و با قابلیتهای بسیار بالا به نامEstimation Distribution Algorithmاستفاده نمودیم. در این تحقیق درستی عملکرد مدل ارائه شده با پایگاه داده استانداردKDDCUP 99آزمایش شده و نتایح ارزیابی شذه یه خوبی نشانگر کارایی بالای الگوریتم پیشنهادی می باشد
کلیدواژه ها:
نویسندگان
سعید صفرپوریوسفخانی
دانشگاه آزاد اسلامی واحد مشهد
سعید طوسی زاده
دانشگاه آزاد اسلامی واحد مشهد
مهرداد جلالی
دانشگاه آزاد اسلامی واحد مشهد
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 :