کلاسه بند گروهی جهت تشخیص حملات نفوذی در شبکه های کامپیوتری

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 672

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FNCEITPNU01_014

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

استفاده از شبکه های کامپیوتری مختلف همانند شبکه های محلی و یا در ابعاد وسیع تر آن همانند شبکه جهانی اینترنت در جهان ارتباطی امروزه بسیار ضروری و به عبارت دیگر حیاتی به نظر می رسد. علیرغم ضرورت موضوع، مشکلاتی نیز با آن همراه است. با افزایش تعداد حملات نفوذی در شبکه های کامپیوتری ارتباطی نیاز به ابزارها و روشهایی برای تشخیص این حملات ضروری بنظر می رسد. روشهای مرسوم کلاسیک برای تشخیص حملات نفوذی بدلیل تغییرات متداول و ماهیت پویای حملات نفوذی قادر به مقابله کارا با آن ها نمی باشند. لذا نیاز به روشهای هوشمند برای تشخیص و مقابله با این حملات ضروری بنظر می رسد. در این مقاله از یک الگوریتم کلاسه بندی گروهی یا کمیته ای مبتنی بر سه روش متداول و قدرتمند ماشین بردار پشتیبان، درخت تصمیم گیری و روش کلاسه بندی بیزین برای تشخیص بسته های عادی شبکه از بسته های حملات نفوذی درون شبکه استفاده شده است. در انتخاب کلاسه بندها سعی شده تا قابلیت همپوشانی نقاط ضعف یکدیگر را داشته باشند. بعبارت دیگر در هر نقطه از فضای ویژگی حداقل یکی از کلاسه بند ها دارای توان شناسایی مورد قبولی باشد. روش تجمیع به کار رفته در الگوریتم کمیته بر اساس روش نظر سنجی اکثریت استوار است. جهت ارزیابی کارایی الگوریتم ارایه شده از بانک اطلاعاتی KDD CUP 99 استفاده می شود. مقایسه معیارهای Precision و Recall الگوریتم کمیته ارایه شده نسبت به هر سه روش کلاسه بندی مورد استفاده نشان دهنده کارایی بالاتر آن در تشخیص بسته های داده حملات نفوذی از بسته های داده عادی است.

کلیدواژه ها:

شبکه کامپیوتری-حملات نفوذی-الگوریتم کمیته-ماشین بردار پشتیبان-درخت تصمیم گیری-الگوریتم بیزین

نویسندگان

علی فرزان

عضو هیات علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد شبستر

محمد علیزاده

عضو هیات علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد شبستر

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 :
  • Boot, J., M. Thomson, et al. Systems, methods, and apparatus ...
  • Chen, R. C., K. F. Cheng, et al.. Using rough ...
  • Feng, W., Q. Zhang, et al). Mining network data for ...
  • Gavhane, S. P. and V. M Shelake. Intrusion Detection System ...
  • Guo, X.-c., D.-m. Ma, et al.. Research of Network Intrusion ...
  • Kim, S. S. and A .L. N. Reddy Statistical techniques ...
  • Liu, C. Network Intrusion Detection Model Based on Genetic Algorithm ...
  • Markatos, E. P., K. Xinidis, et al. Design and Imp ...
  • Ooi, S. Y., Y. M. Leong, et al. Network Intrusion ...
  • Parashar, A., P. Saurabh, et al. (2013). A novel approach ...
  • Schneier, B., A. H. Gross, et al. Method and system ...
  • Sharma, S. K., P. Pandey, et al An improved network ...
  • Sommer, R. and V. Paxson Outside the closed world: On ...
  • Tavallaee, M., E. Bagheri, et al. A detailed analysis of ...
  • Thaseen, S. and C. Kumar. An analysis of supervised tree ...
  • Upadhyaya, D. and S. Jain. Hybrid Approach Hybrid Approach for ...
  • Xue, M. and C. Zhu. Applied Research On Data Mining ...
  • Zhang, H., Y. Yi , et al. Network Intrusion Detection ...
  • نمایش کامل مراجع