بهبود کارایی سیستم های تشخیص نفوذ مبتنی بر تشخیص ناهنجاری به وسیله ترکیب خوشه بندی و دسته بندی
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 711
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICKIS01_028
Index date: 14 April 2015
بهبود کارایی سیستم های تشخیص نفوذ مبتنی بر تشخیص ناهنجاری به وسیله ترکیب خوشه بندی و دسته بندی abstract
در توسعه سیستم های تشخیص نفوذ، هدف نهایی این است که به بهترین دقت ممکن برسیم. این هدف منجر به طراحی روش های ترکیبی برای رفع این مشکل میشود. ایده طبقه بندی ترکیب چند روش یادگیری ماشین به منظور بهبود عمل کرد سیستم های ترکیبی میباشد.روش مورد استفاده ترکیب خوشه بندیdbscanو دسته بندی درخت تصمیم و بیز ساده به منظور بهبود کارایی سیستم های تشخیص نفوذ براساس ناهنجاری ها میباشد. آزمایش های صورت گرفته در این مقاله که بر روی مجموعه دادهkyoto2006+ صورت گرفته، نشان می دهد که روش ترکیبی پیشنهادی بهبود کاریی نسبی نسبت به روش محققان پیشین مقایسه شده دارد. کارایی روش ترکیبی جدید با معیار های نرخ تشخیص ونرخ مثبت کاذب برای تعدادی از روز های ماه سنجیده شده است که بهترین نرخ تشخیص مربوط به مدل به دست آمده که از سه روز اول ماه برای آموزش استفاده کرده است و برابر با 99,39 می باشد. و بهترین نرخ مثبت کاذب مربوط به مدل به دست آمده که از پنج روزه اول ماه برای آموزش استفاده کرده است و برابر 0,23 می باشد
بهبود کارایی سیستم های تشخیص نفوذ مبتنی بر تشخیص ناهنجاری به وسیله ترکیب خوشه بندی و دسته بندی Keywords:
دسته بندی بیز ساده , دسته بند درخت تصمیم , سیستم های تشخیص نفوذ , نرخ تشخیص و نرخ مثبت کاذب , خوشه بندیdbscan
بهبود کارایی سیستم های تشخیص نفوذ مبتنی بر تشخیص ناهنجاری به وسیله ترکیب خوشه بندی و دسته بندی authors
پویا شفیعی سروستانی
پردیس علوم و تحقیقات خراسان جنوبی، بیرجند، ایران
سیدمحمدحسین معطر
دانشگاه آزاد اسلامی واحد مشهد، ایران
کاظم نیکفرجام
پردیس علوم و تحقیقات خراسان جنوبی، بیرجند، ایران
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 :