The Application of Ensemble Classification Techniques in Network Intrusion Detection: a Review
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,318
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ01_624
تاریخ نمایه سازی: 29 دی 1392
چکیده مقاله:
The application of data mining techniques in intrusion detection has attracted considerable attention from the research community. Ensemble learning can be used as an effective classification technique for intrusion detection. In an ensemble classification system, different base classifiers are combined in order to obtain a classifier with higher performance. In this paper, the most successful ensemble techniques used in the field of intrusion detection are introduced and discussed. These ensemble techniques are categorized based on the main idea of the ensemble and similarities in implementation of the models. The goal of this review is to provide insight into the benefits of current ensemble methods and how they can increase the performance of intrusion detection.
کلیدواژه ها:
نویسندگان
Mohammad Amini
Department of Information Technology, University of Qom, Qom, Iran
Jalal Rezaeenoor
Department of Information Technology, University of Qom, Qom, Iran
Esmaeil Hadavandi
Department of Information Technology, University of Qom, Qom, Iran
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 :