یک روش جدید با استفاده از الگوریتم ژنتیک و نزدیک ترین همسایه برای تشخیص نفوذ در شبکه حسگر بی سیم

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,432

This Paper With 7 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

HSECONF01_075

تاریخ نمایه سازی: 24 فروردین 1393

Abstract:

تشخیص ناهنجاری یک مسئله مهم است که در حوزه‌های علمی گوناگون مورد بررسی و تحقیق قرار می‌گیرد. بسیاری از تکنیک‌های تشخیص ناهنجاری به طور خاص برای برخی از حوزه‌های کاربردی توسعه یافته‌اند. با توجه به کاربرد شبکه های حسگر بی سیم نسبت به شبکه های سنتی سیمی بیشتر در معرض خطر حملات مخرب هستند. بنابراین امنیت یک چالش مهم برای ایجاد شبکههای حسگر قوی و قابل اعتماد است. برای ایجاد امنیت به فنآوریهای مطمئنی نیاز میباشد که سیستمهای تشخیص نفوذ از پرکاربردترین ابزارهای امنیتی به حساب میآیند. سیستم تشخیص نفوذ توسط مدل‌سازی رفتارهایی از فعالیت‌های مناسب، به طور موثر می‌تواند مزاحمان بالقوه را شناسایی کند و در نتیجه عمق حفاظت را فراهم می‌کند. یک سیستم تشخیص نفوذ یک لایه امنیتی است که برای شناسایی کردن فعالیت‌های سرزده مداوم در سیستم‌های اطلاعات استفاده می‌شود. در این طرح از ترکیب بین تشخیص ناهنجاری مبتنی بر نزدیک‌ترین همسایه و انتخاب ویژگی با استفاده از الگوریتم ژنتیک به منظور دستیابی به سیستم تشخیص نفوذ دقیق استفاده می‌شود. تشخیص ناهنجاری از یک الگوریتم یادگیری متمرکز به منظور تشخیص دو کلاس (فعالیت نرمال و غیرنرمال) استفاده می‌کند و میزان تشخیص بالای 99% بدست می‌آید.

Authors

خدیجه منتی

کارشناس ارشد، فناوری اطلاعات و ارتباطات شرکت ملی مناطق نفت خیز جنوب، اهواز

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 :
  • Patcha, A., and Park, J. M., 2007. _ An overview ...
  • Wireless Sensor Network Security" _ IOS Press. :ه Lopez, J., ...
  • Chandola, V., et al., 2009. " Anomaly detection: A survey ...
  • Olson, D.L., and Shi, Y., 2007. :Introduction to Business Data ...
  • John, H.. 1975. "Adaptation in Natural and Artificial Systems". University ...
  • Lothar, M., 204. "Theory of Genetic Algorithms II: models for ...
  • Tutorial O1 Support Vector Machines for Pattern Recognition". Data Mining ...
  • Hollar, S., 2000. "COTS Dust". Master' s Thesis, Electrical Engineering ...
  • نمایش کامل مراجع