ارزیابی مجموعه الگوریتم های یادگیری ماشین جهت تشخیص نفوذ
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,277
فایل این مقاله در 7 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:
UTCONF01_115
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
محبوبیت استفاده از اینترنت منجر به برخی خطرات ناشی از حملات به شبکه گردیده است. تشخیص نفوذ یک مشکل عمده پژوهشی در امنیت شبکه با هدف شناسایی دسترسی های غیرمعمول و یا حملات به شبکه داخلی می باشد. سیستم های تشخیص نفوذ توسط تکنیک های مختلف به یادگیری ماشین نزدیک هستند. براساس تشخیص ناهنجاری سیستم تشخیص نفوذ، رفتار طبیعی و غیرطبیعی با تجزیه و تحلیل ترافیک شبکه در مجموعه داده های مختلف ارزیابی می شوند. چالش های مشترک برای سیستم تشخیص نفوذ، مقادیر زیادی از پردازش داده، نرخ تشخیص کم و نرخ بالای هشدار کاذب می باشند. در این مقاله به بررسی مطالعات مرتبط در دوره های 2011 تا 2016 با تمرکز توسعه واحد، ترکیب و طبقه بندی پرداخته شده است. مطالعات انجام شده توسط طراحی طبقه بندی مجموعه داده و دیگر تنظیمات تجربی مقایسه شده اند و دستاورد و محدودیت های فعلی در حال توسعه سیستم تشخیص نفوذ توسط یادگیری ماشین مورد بحث قرار گرفته اند و موضوعاتی جهت تحقیقات آینده نیز ارایه شده است.
کلیدواژه ها:
نویسندگان
محمد اخلاق پور
دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)
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 :