بررسی مقایسه ای تکنیکهای داده کاوی به منظور افزایش تشخیص نفوذ
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 987
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:
ELECOM01_222
تاریخ نمایه سازی: 9 تیر 1393
چکیده مقاله:
امروزه ، سیستم های تشخیص نفوذ توسط بسیاری از سازمان ها به منظور حفاظت از امنیت سیستم های اطلاعاتی به کار گرفته شده است. فایروال هایی که برای تشخیص نفوذ استفاده می شود دارای اشکالات خاصی می باشند که توسط روش های مختلف داده کاوی می توان بر آنها غلبه کرد. تکنیک های داده کاوی با تجزیه و تحلیل حجم زیادی از داده های شبکه و دسته بندی آن ها به صورت عادی و یا غیر عادی نقش حیاتی در تشخیص نفوذ ایفا می کنند. تعدادی از تکنیک های داده کاوی مانند طبقه بندی، خوشه بندی و قوانین انجمنی به طور گسترده به منظور ارتقاء تشخیص نفوذ استفاده می شوند. در میان آنها خوشه بندی بیش از طبقه بندی مورد توجه قرار گرفته زیرا که نیازی به بر چسب گذاری دستی داده های آموزشی نیست و سیستم نیاز به آگاهی از حملات جدید ندارد. در این مقاله به بررسی و مقایسه سه الگوریتم مختلف خوشه بندی به نام های خوشه بندی K-Means و خوشه بندی Y-Means و خوشه بندی C-Means فازی می پردازیم. خوشه بندی C-Means فازی ، بهترین کارایی و بازده را از نظر تشخیصنفوذ نسبت به دو روش دیگردارد.
کلیدواژه ها:
نویسندگان
مرضیه همایونی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر (نرم افزار)، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس ،
علی حاجتی
فارغ التحصیل مهندسی کامپیوتر(نرم افزار)، کارشناس کامپیوتر
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 :