ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده از الگوریتمK-meansبرای افزایش کارایی سیستم های تشخیص نفوذ

سال انتشار: 1398
کد COI مقاله: CEDAB03_023
زبان مقاله: فارسیمشاهد این مقاله: 168
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از الگوریتمK-meansبرای افزایش کارایی سیستم های تشخیص نفوذ

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،

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:

داده كاوي ،خوشه بندي ، يادگيري ماشين ، يادگيري بدون نظارت ، K-means

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/949557/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
لنگری، شادی و اسدی، بهنام و رجبی، افشین و کنعانی، سیاوش،1398،استفاده از الگوریتمK-meansبرای افزایش کارایی سیستم های تشخیص نفوذ،سومین کنفرانس ملی مهندسی کامپیوتر،داده کاوی و داده های حجیم،مبارکه،،،https://civilica.com/doc/949557

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، لنگری، شادی؛ بهنام اسدی و افشین رجبی و سیاوش کنعانی)
برای بار دوم به بعد: (1398، لنگری؛ اسدی و رجبی و کنعانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 631
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی