روش لایه ای با استفاده از ماشین های بردار پشتیبان برای تشخیص نوع ناهنجاری ها در تشخیص نفوذ
محل انتشار: کنگره ملی مهندسی برق، کامپیوتر و فناوری اطلاعات
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,302
فایل این مقاله در 7 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_652
تاریخ نمایه سازی: 14 شهریور 1392
چکیده مقاله:
سیستم های تشخیص نفوذ ) – IDS ( دارای چالش های زیادی هستند. از جمله این سیستم ها باید قادر باشند با حجم زیاد داده ها کار کنند. مهاجمان روز به روز سعی در شکستن امنیت دارند و هر روز حملات جدیدترکشف می شوند. از این رو سیستم های تشخیص نفوذ، پس از مدتی کارایی خود را از دست می دهند و قادر به تشخیص حملات جدید نیستند. وقتی IDS ها نشانی از نقض امنیت پیدا کنند، هشدار یا هشدارهایی را تولید می کنند. اماآن ها روزانه تعداد بسیار زیادی هشدار تولید می کنند که بسیاری از این هشدارها مربوط به فعالیت های عادی هستند. ما در این مقاله روشی را پیشنهاد کردیم که هشدارهای تولید شده توسط IDS ها را به پنج کلاس Normal ،DoS ، Probe ، R2L و U2R تقسیم می کند. روش پیشنهادی از چندین لایه تشکیل شده که هر لایه قادر به شناسایی یکی از حملات DoS ، Probe ، R2L وU2R است و در هر لایه از روش SVM برای دسته بندی حملات استفاده شده است. برای این که سیستم پیشنهادی پس از گذشت زمان کارایی خود را از دست ندهد، به صورت خودکار و با کمک گرفتن از تحلیل گر سیستم، به روز می شود . این روش دارای نرخ تشخیص بالایی در شناسایی حملات است. نتایج روش پیشنهادی با روش لایه ای CRF مقایسه شده است، که نتایج حاکی از این است که روش پیشنهادی در تشخیص حملات DoS ، R2L و U2R دقیق تر است
کلیدواژه ها:
تشخیص نفوذ ، روش مبتنی بر لایه ، ماشین های بردارپشتیبان ، آموزش افزایشی ، Conditional Random Field ، امنیت شبکه
نویسندگان
زینب ابویی مهریزی
دانشگاه صنعتی اصفهان، دانشکده برق
سیدرسول موسوی
دانشگاه صنعتی اصفهان، دانشکده برق
مهدی برنجکوب
دانشگاه صنعتی اصفهان، دانشکده برق
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 :