ارایه روشی جدید بر پایه یادگیری خودآموز برای سیستم تشخیص نفوذ شبکه
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 845
فایل این مقاله در 9 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:
SETCO01_010
تاریخ نمایه سازی: 13 مهر 1397
چکیده مقاله:
یک سیستم تشخیص نفوذ شبکه (NIDS) به مدیران برای تشخیص نقض امنیتی شبکه در سازمان خود کمکمی کند. با این حال چالش های زیادی در تاثیرگذاری و موثر بودن NIDS برای حملات پیش بینی نشده و غیرقابلپیش بینی در حال رشد است. در این مقاله، یک رویکرد مبتنی بر یادگیری خودآموز (STL) برای پیاده سازی موثر و قابلانعطاف NIDS با استفاده از یادگیری عمیق بر پایه شبکه عصبی کانوولوشن پویا (DCNN) پیشنهاد شد. برای آزمایش وارزیابی روش پیشنهادی از مجموعه داده معیار NSL-KDD برای تشخیص نفوذ شبکه استفاده شد. همچنین، عملکردروش پیشنهادی را بر حسب دقت، بازخوانی و سنجش F با روشهای پایه مقایسه کردیم. نتایج تجربی نشان داد روشپیشنهادی از عملکرد مطلوب تری نسبت به روش پایه برخوردار است.
کلیدواژه ها:
نویسندگان
سینا دامی
استادیار گروه کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
اکرم قاسم نژاد
دانشجوی کارشناسی ارشد IT ، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران