ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم بهینه سازی فاخته و ماشین بردار پشتیبان در سیستم های تشخیص نفوذ

سال انتشار: 1394
کد COI مقاله: ICCONF01_159
زبان مقاله: فارسیمشاهد این مقاله: 613
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم بهینه سازی فاخته و ماشین بردار پشتیبان در سیستم های تشخیص نفوذ

عاطفه شریفی جو - دانشجوی کارشناسی ارشد, دانشگاه آزاد اسلامی واحد اراک, گروه مهندسی کامپیوتر, اراک, ایران
عباس کریمی - دانشگاه آزاد اسلامی واحد اراک, گروه مهندسی کامپیوتر, اراک, ایران

چکیده مقاله:

امنیت شبکه یک نگرانی جدی جهانی است. سودمندی سیستم های تشخیص نفوذ در تحقیقات روی امنیت اطلاعات با استفاده ازتکنیکهای محاسبات نرم به سرعت در حال افزایش است , اما این سیستم ها با داده های حجیم برای تحلیل مواجه هستند. بررسیمجموعه داده سیستمهای تشخیص نفوذ نشان میدهد که بسیاری از ویژگیها، ویژگیهای غیرمفید، بی تاثیر در سناریوهای حمله و یا ویژگیهای نامربوط هستند . بنابراین حذف ویژگیهای نامناسب از مجموعه ویژگی، به عنوان یک راهکار مناسب برای کاهش مجموعهداده سیستمهای تشخیص نفوذ معرفی میشود . مساله انتخاب زیرمجموعه ویژگیها، به مفهوم شناسایی و انتخاب یک زیرمجموعه مفید از ویژگیها از میان مجموعه داده اولیه میباشد. هدف این مقاله، بهبود دقت دسته بندی، افزایش نرخ تشخیص درست و کاهش نرخ هشدار غلط در سیستم های تشخیص نفود، با استفاده از رویکرد ترکیبی الگوریتم بهینه سازی فاخته برای کاهش ابعاد ویژگیهای مجموعه های داده ای و ماشین بردار پشتیبان میباشد. مدل ترکیبی ارائه شده، با استفاده از زیر مجموعه ای از مجموعه داده های NSL-KDD CUP99 آزمایش شده است. نتایج پیاده سازی هم نشان می دهد که دقت دسته بندی زیرمجموعه های بدست آمده، نتایج مطلوبی را در مقایسه با مجموعه داده اصلی و کارهای گذشته ایجاد کرده است .

کلیدواژه ها:

كاهش ابعاد ويژگيها، انتخاب مجموعه ويژگيها، سيستم تشخيص نفوذ, ماشين بردار پشتيبان، الگوريتم بهينه سازي فاخته

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/408960/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شریفی جو، عاطفه و کریمی، عباس،1394،ارائه یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم بهینه سازی فاخته و ماشین بردار پشتیبان در سیستم های تشخیص نفوذ،اولین همایش ملی کامپیوتر،فناوری اطلاعات وارتباطات اسلامی ایران،قم،،،https://civilica.com/doc/408960

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، شریفی جو، عاطفه؛ عباس کریمی)
برای بار دوم به بعد: (1394، شریفی جو؛ کریمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Rajabion, R., Cuckoo Optimization Algorithm. Elsvier, 2011: p. 5508-5518. ...
  • R, R.R., K. B, and R. Y, A Survey on ...
  • Mulay, S.A., P.R. Devale, and G.V. Garje, Intrusion Detection System ...
  • L.Dhanabal and S.P. Shantharajah, A Study on NSL-KDD Dataset for ...
  • Hasani, S.R., Z.A. Othman, and S.M.M. Kahaki, HYBRID Featture Selection ...
  • Saha, S., A.S. Sairam, and A. Ekbal, Genetic Algorithm Combined ...
  • Xingzhu, W., Aco and SVM Selection Featture Weighting of Network ...
  • Goodarzi, B.G., H. Jazayeri, and S. Fateri, Intrusion Detection System ...
  • Choi, S.-H. and H.-S. Chae, Featture Selection using Attribute Ratio ...
  • B, K., B. S, and T.I. .S, A hybrid anomaly ...
  • Kim, G., S. Lee, and S. Kim, A novel hybrid ...
  • Kuang, F., W. Xu, and S. Zhang, A novel hybrid ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 6,487
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی