مقایسه و بررسی الگوریتم های داده کاوی کاهل و ماشین بردار پشتیبان برای تشخیص نفوذ
محل انتشار: همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,403
فایل این مقاله در 8 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:
CESD01_278
تاریخ نمایه سازی: 25 اسفند 1392
چکیده مقاله:
با رشد فناوری اطلاعات،امنیت شبکه به عنوان یکی از مباحث مهم و چالش بسیار بزرگ مطرح است. سیستم های تشخیص نفوذ، مولفه اصلی یک شبکه امن است. سیستم های تشخیص نفوذ ستنی نمی توانند خود را با حملات جدید تطبیق دهند از این رو سیستم های تشخیص نفوذ مبتنی بر دادهکاوی امروزه پیشنهاد می شود. مشخص نمودن الگوهای در حجم زیاد داده،کمک بسیار بزرگی به ما می کند.متدهای داده کاوی با مشخص نمودن یک برچسب دودویی (بسته نرمال، بسته ناهنجار) و همچنین مشخص نمودن ویژگی ها و خصیصه با الگوریتم های دسته بندی می توانند داده غیر نرمال تشخیص دهند. از همین رو دقت و درستی سیستم های تشخیص نفوذ افزایش یافته و باتبع امنیت شبکه بالا میرود.در این روش ما الگوریتم های مختلف مدل کاهل و ماشین بردار پشتیبان را روی مجموعه داده خود تست کرده و بهترین الگوریتم آموزشی الگوریتم K-STAR است که دارای بهترین دقت با accuracy: 80.77% است.
کلیدواژه ها:
نویسندگان
حسن فضلی مقصودی
دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه علوم و فنون مازندران
حسین مومنی
استادیار دانشگاه علوم کشاورزی و منابع طبیعی گرگان
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 :