طراحی یک سیستم تشخیص نفوذ بهبودیافته براساس شبکههای عصبی-فازی چندمدلی و انتخاب ویژگیها

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 622

فایل این مقاله در 20 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:

RKES01_133

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

سیستم تشخیص نفوذ به عنوان بخش مهمی از سیستم دفاعی در شبکههای کامپیوتری به شمار میآید که برای شناسایی فعالیتهای غیر طبیعی سیستم کامپیوتری به کار میرود. در این مقاله ما به معرفی روشی برای طراحیسیستمهای تشخیص نفوذ بر اساس شبکههای عصبی-فازی خواهیم پرداخت. در طرح پیشنهادی ابتدا ویژگیهایی که در آموزش شبکهی موردنظر تاثیر بیشتری دارند انتخاب شده و سپس برپایهی شبکههای عصبی-فازی مدلهای موردنظر برای تشخیص حملات مختلف آموزش داده میشوند. ساختار روش پیشنهادی دو ویژگی بارز دارد که آن را از پیاده سازیهای قبلی متمایز میسازد. اولین مسئله ایجاد چندین مدل برای تشخیص انواع حملات بطور جداگانه است و دیگری انتخاب ویژگیهای موثر در تشخیص آن نوع حمله و آموزش مدل مورد نظر بر اساس آن ویژگیها است. با توجهبه پیاده سازی روش فوق و مقایسه آن با برخی پیاده سازیهای قبلی، نشان داده میشود که دقت روش پیشنهادی در تشخیص نفوذ و تعیین نوع حملات بهتر از دیگر روشها میباشد

کلیدواژه ها:

نویسندگان

رضا میرزایی

دانشجوی کارشناسی ارشد گرایش امنیت اطلاعات، دانشگاه اصفهان،

مائده عاشوری تلوکی

استادیار، دانشگاه اصفهان،

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 :
  • Abade, M. S., Habibi, J. and Lucas C. (2005). Intrusion ...
  • Chavan, S., Shah, K., Dave, N., Mukherjee S., Abraham, A. ...
  • Dickerson, J. E. (2000). Fuzzy network profiling for intrusion detection, ...
  • Einipour, A. (2012). Intelligent Intrusion Detection in Computer Networks Using ...
  • Enache, A. C. and Patriciu, V. V. (2014). Intrusions Detection ...
  • Faraoun KM, Boukelif A. (2006). Neural networks learning improvement using ...
  • Gao, M. and Zhou, M. C. (2003). Fuzy intrusion detection ...
  • Gomez, J. and Dasgupta, D. (2001). Evolving Fuzzy Classifiers for ...
  • Hassan, M. Md. (2013). Network Intrusion Detection System Using Genetic ...
  • 1.Ishibuchi, H., Nakashima, T. and Murata, T. (1995). Afuzzy classifier ...
  • KDD Cup 1999 Intrusion detection dataset: http ://kdd. ics.uci _ ...
  • Liu, J. and Kwok, J. (2000). An extended genetic rule ...
  • Nauck, D. and Kruse, R. (1995). NEFCLASS _ Neuro-Fuzy approach ...
  • Ranjan, R. and Sahoo, G. (2014). A New Clustering Approach ...
  • Song, D., Heywood, M.I. and Zinc ir-Heywood, A.N.)2005(. Training Genetic ...
  • Weka 3991 Data Mining Software in Java: http ://www. cs.waikato ...
  • Zhang, X., Chun-hua, G. and Jia-jin, L. (2006). Intrusion Detection ...
  • Zhang, Z, Li, J., Manikopoulos, C., Jorgenson, J. and Ucles, ...
  • نمایش کامل مراجع