ارائه یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم بهینه سازی فاخته و ماشین بردار پشتیبان در سیستم های تشخیص نفوذ
Publish place: The first national conference on computers, information technology and Islamic communications in Iran
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,111
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCONF01_159
تاریخ نمایه سازی: 14 آذر 1394
Abstract:
امنیت شبکه یک نگرانی جدی جهانی است. سودمندی سیستم های تشخیص نفوذ در تحقیقات روی امنیت اطلاعات با استفاده ازتکنیکهای محاسبات نرم به سرعت در حال افزایش است , اما این سیستم ها با داده های حجیم برای تحلیل مواجه هستند. بررسیمجموعه داده سیستمهای تشخیص نفوذ نشان میدهد که بسیاری از ویژگیها، ویژگیهای غیرمفید، بی تاثیر در سناریوهای حمله و یا ویژگیهای نامربوط هستند . بنابراین حذف ویژگیهای نامناسب از مجموعه ویژگی، به عنوان یک راهکار مناسب برای کاهش مجموعهداده سیستمهای تشخیص نفوذ معرفی میشود . مساله انتخاب زیرمجموعه ویژگیها، به مفهوم شناسایی و انتخاب یک زیرمجموعه مفید از ویژگیها از میان مجموعه داده اولیه میباشد. هدف این مقاله، بهبود دقت دسته بندی، افزایش نرخ تشخیص درست و کاهش نرخ هشدار غلط در سیستم های تشخیص نفود، با استفاده از رویکرد ترکیبی الگوریتم بهینه سازی فاخته برای کاهش ابعاد ویژگیهای مجموعه های داده ای و ماشین بردار پشتیبان میباشد. مدل ترکیبی ارائه شده، با استفاده از زیر مجموعه ای از مجموعه داده های NSL-KDD CUP99 آزمایش شده است. نتایج پیاده سازی هم نشان می دهد که دقت دسته بندی زیرمجموعه های بدست آمده، نتایج مطلوبی را در مقایسه با مجموعه داده اصلی و کارهای گذشته ایجاد کرده است .
Keywords:
کاهش ابعاد ویژگیها , انتخاب مجموعه ویژگیها , سیستم تشخیص نفوذ , ماشین بردار پشتیبان , الگوریتم بهینه سازی فاخته
Authors
عاطفه شریفی جو
دانشجوی کارشناسی ارشد, دانشگاه آزاد اسلامی واحد اراک, گروه مهندسی کامپیوتر, اراک, ایران
عباس کریمی
دانشگاه آزاد اسلامی واحد اراک, گروه مهندسی کامپیوتر, اراک, 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 :