تشخیص نفوذ با الوریتم کاهش ویژگی GR و خدمت تصمیم

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 532

This Paper With 8 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:

ICEEE06_090

تاریخ نمایه سازی: 1 مهر 1394

Abstract:

با توجه به رشد فوق العاده خدمات مبتنی بر شبکه، تشخیص نفوذ به عنوان یک امر مهم و حیاتی برای برقراری امنیت شبکه پدید آمده است. ترافیک شبکه از حمله و ترافیک عادی تشکیل شده است. تعداد حملات در شبکه به صوط معمول بخش بسیار کوچکی از ترافیک در کل شبکه را تشکیل می دهد به کارگیری روش های داده کاوی هوشمند برای پیش بینی نفوذ در چنین شبکه هایی با حجم بالای ترافیک رو به افزایش است. اکثر سیستم های تشخیص نفوذ از یک الگوریتم طبقه بندی جهت طبقه بندی دادهها و ترافیک شبکه که به عنوان رفتار طبیعی یا غیرعادی است استفاده می کنند. در این مقاله مهمترین الگوریتم های درخت تصمیم معرفی می شوند و عملیات کاهش ویژگی روی مجموعه داده تشخیص نفوذ انجام می شود. نتایج حاصل از آزمایش ها نشان می دهد که الگوریتم درخت تصمیم C4.5 نسبت به الگوریتم های درخت تصمیم دیگر با الگوریتم کاهش ویژگی GR از لحاظ دقت و کارایی عملکرد بهتری را از خود نشان می دهد.

Keywords:

الگوریتم بادگیری ماشین , درخت تصمیم , سیستم های تشخیص نفوذ

Authors

طیبه روحانی نژاد

دانشگاه آزاد اسلامی گروه کامپیوتر، واحد بروجرد، بروجرد، ایران

محمدابراهیم شیری احمدآبادی

استادیار دانشگاه صنعتی امیرکبیر، گروه کامپیوتر، تهران، ایران

محسن بشیری

دانشگاه آزاد اسلامی گروه کامپیوتر، واحد بروجرد، بروجرد، 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 :
  • C. E. Landwehr, A. R. Bull, J. P. McDermott, and ...
  • 250 94.590 95.190 95.250 ...
  • _ Tavallae, E. Bagheri, W. Lu, and A. Ghorbani, A ...
  • Mahmood SM (2011). Using ant and self- organization maps algorithms ...
  • Mitchell TM, "Machine Learning", McGraw Hill, 1997. ...
  • Breiman L. Random Forests, "Machine Learming", 2001, 45(1):5-32. ...
  • Saman M. Abdulla, Najla B. Al-Dabagh, Omar Zakaria, Identify Features ...
  • H Nguyen, K Franke, S Petrovic Improving by ...
  • Correlation Feature Selection, 2010 International Conference _ Availability, Reliability and ...
  • S Zaman, F Karray Features selection for intrusion detection systems ...
  • نمایش کامل مراجع