ارائه یک روش جدیدلایه ای برای سیستم های تشخیص نفوذبااستفاده ازطراحی موازی وشبکه عصبی
Publish place: First National Conference on Advances in computer science and information retrieval approaches
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 936
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ01_446
تاریخ نمایه سازی: 29 دی 1392
Abstract:
درحالیکه انواع تکنیکهای امنیتی درحال بوجود امدن می باشند وتحقیقات زیادی درمورد شناسایی نفوذدرحال انجام می باشدامااین زمینه فاقد یک راه کاریکپارچه باسرعت و نرخ تشخیص خطا بالا وهمچنین نرخ هشدارخطاپایین برای انواع حملات بخصوص حملات اقلیت می باشد دراین مقاله یک راه کارجدید لایه ای موازی رابااستفاده ازدونوع شبکه عصبی برای شناسایی حملات اکثریت dos,PROB که ازشبکه عصبی RBF و همچنین برای شناسایی حملات اقلیت U2R R2L که ازشبکه عصبی MLP استفاده می کند ارایه داده ایم درروش پیشنهادی هریک ازلایه های IDS مسئول شناسایی یک دسته ازحملات می باشد هرلایه رابطورمجزا بایک دسته کوچکی ازمشخصات مربوط اموزش داده ایم علاوه برآن درطرح پیشنهادی باشکستن هدف اصلی تشخیص نفوذ به زیرهدف ها تشخیص یک دسته ازنفوذتوسط هرIDS علاوه برافزایش نرخ تشخیص خطا سیستم راقادر به اجرای موازی آن برروی پردازنده های سیستم می سازد براساس نتایج بدست امده ازطرح پیشنهادی توانستیم نرخ تشخیص خطا بالا نرخ هشدارخطای پایین وافزایش سرعت انجام تشخیص نفوذباتوجه به نوع طراحی و همچنین استفاده ازشبکه عصبی که قابلیت خوبی دراجرای موازی برنامه ها دارد برای سیستم پیشنهادی خود بدست اوریم
Keywords:
سیستم تشخیص نفوذموازی , حملات اکثریت , حملات اقلیت , شبکه عصبیMLP , شبکه های عصبی RBF , تشخیص نفوذمبتنی برامضاء
Authors
مهدی جانی نسب صلحدار
دانشجوی کارشناسی ارشد
حمیده بابایی
دانشگاه آزاد اسلامی نراق
مرتضی رموزی
دانشگاه آزاد اسلامی واحد کاشان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :