تشخیص نفوذ مبتنی بر تئوری مجموعه های ناهموار و ماشین بردار پشتیبان
محل انتشار: همایش ملی علوم و مهندسی کامپیوتر
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 959
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:
NCCSE01_118
تاریخ نمایه سازی: 9 بهمن 1392
چکیده مقاله:
در این تحقیق یک سیستم تشخیص نفوذ بر اساس تئوری مجموعه های ناهموار و ماشین بردار پشتیبان به منظور تشخیص بهینهناهنجاری ها در شبکه های رایانهای ارائه شده است. هدف از مدل پیشنهادی افزایش کارایی و سرعت تشخیص، کاهش منابع کامپیوتری نظیر منابعذخیرهسازی و پردازشگر مصرفی میباشد. در مدل پیشنهادی برای انتخاب ویژگیهای مهم، تئوری مجموعه های ناهموار و برای دستهبندی ترافیکشبکه در قالب دسته های عادی و ناهنجار، ماشین بردار پشتیبان به کار گرفته شده است. آزمایش و ارزیابی مدل ارائه شده بر روی مجموعه داده های NSL-KDD که نسخه اصلاح شده KDD-CUP99 می باشد ، انجام گردید. در این مدل کارایی ماشین بردار پشتیبان با شبکه های عصبی مقایسه گردید و نتایج نشان داد که ماشین بردار پشتیبان دارای نرخ تشخیص حملات بیشتر و نرخ اعلان خطای کمتر و در نتیجه کارایی بالاتر نسبت بهشبکه های عصبی می باشد.
کلیدواژه ها:
نویسندگان
یاسمین علیش زاده
عضو هیات علمی دانشگاه آزاد اسلامی واحد اسلامشهر
محمدرضا احمدی
عضو هیات علمی پژوهشگاه ارتباطات و فناوری اطلاعات
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 :