بررسی ویژگیهای دادههای KDD مبتنی بر الگوریتم نزدیکترین همسایه

سال انتشار: 1396
محل انتشار: چهارمین کنفرانس ملی فناوری اطلاعات، کامپیوتر و مخابرات
کد COI اختصاصی: ITCT04_231
زبان مقاله: فارسی
تعداد مشاهده: 840

نویسندگان

مربی، گروه علوم کامپیوتر، دانشکده کامپیوتر، دانشگاه کوثر بجنورد، ایران.

مربی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور

چکیده

سیستم تشخیص نفوذ یکی از روشهای مورد استفاده برای تشخیص و شناسایی نفوذ در ساختارشبکه های کامپیوتری است. مجموعه دادههای CPU KDD ،داده استاندارد برای مطالعه سیستم تشخیص نفوذ است. ویژگیهای مجموعه دادهها CPU KDD را میتوان در چهار کلاس پایه، محتوا، ترافیک و میزبان تقسیم بندی کرد. سیستم تشخیص نفوذ یکی از مسایل مهم شبکه های کامپیوتری است. در مطالعات انجام شده، هدف یافتن بهبود استراتژی تشخیص نفوذ است که کیفیت دادهها میتواند تشخیص نفوذ را بهیود دهد. یکی از رایجترین الگوریتمهای یادگیری ماشین برای طبقه بندی، الگوریتم نزدیکترین همسایه KNNاست. در این مطالعه، با استفاده از الگوریتم نزدیکترین همسایه KNN ،مجموعه دادههای KDD را با چهار کلاس ویژگیها تحلیل و بررسی شده است. پانزده ترکیب مختلفی از چهار کلاس مجموعه داده KDD در الگوریتم KNN بررسی شده است. با استفاده از الگوریتم نزدیکترین همسایه KNN طبقه بندی چهار کلاس بهبود یافته است. و چهار کلاس برای افزایش تشخیص نفوذ به ترتیب پایه، محتوا، میزبان و ترافیک رتبهبندی شدهاند.

کلیدواژه ها

سیستم تشخیص نفوذ، نفوذ، دادههای KDD ،الگوریتم نزدیکترین همسایه

مقالات مرتبط جدید

اطلاعات بیشتر در مورد 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.