استفاده از الگوریتمK-meansبرای افزایش کارایی سیستم های تشخیص نفوذ
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 487
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:
CEDAB03_023
تاریخ نمایه سازی: 28 مهر 1398
چکیده مقاله:
مشکل مشترک در IDS های کنونی نرخ بالای تشخیص اشتباه و نرخ شناسایی درست پایین است. یک یادگیری ماشینی بدون نظارت با استفاده از K ابزار برای ارائه ی مدلی برای سیستم های تشخیص نفوذ IDS با نرخ بهره وری بالاتر و مثبت های کاذب کمتر و منفی های کاذب مورد استفاده قرار گرفت. مجموعه ی داده ی NSL-KDD که شامل 5000 ورودی با 10 نوع مختلف داده بود مورد استفاده قرار گرفت. نتایج این مطالعه با استفاده از 11، 22، 12، 14 و 20 خوشه به ترتیب نرخ بازده ی 70,75٪، 81,61٪، 65,40٪، 61,30٪ و %55,43 را نشان داد. نرخ مثبت کاذب به ترتیب 0,74٪، 4,03٪، 15,55٪، 21,47٪ و31,91٪ و نرخ منفی کاذب 99,82٪، 98,14٪، 97,76٪، 96,32٪ و 95,70٪ بود. جالب است که بهترین نتایج زمانی بدست آمد که تعداد خوشه ها منطبق با تعداد انواع داده در مجموعه ی داده بود
کلیدواژه ها:
نویسندگان
شادی لنگری
عضو هیات علمی، گروه کامپیوتر ، موسسه آموزش عالی دانشگاه اشراق بجنورد،ایران،
بهنام اسدی
دانشجوی کارشناسی ارشد نرم افزار ، موسسه آموزش عالی دانشگاه اشراق بجنورد،ایران،
افشین رجبی
دانشجوی کارشناسی ارشد نرم افزار ، موسسه آموزش عالی دانشگاه اشراق بجنورد،ایران،
سیاوش کنعانی
دانشجوی کارشناسی ارشد نرم افزار ، موسسه آموزش عالی دانشگاه اشراق بجنورد،ایران،