تشخیص نفوذ با استفاده از خوشه بندی با رویکرد داده کاوی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 748
This Paper With 14 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:
ITCC01_203
تاریخ نمایه سازی: 9 فروردین 1395
Abstract:
توسعه سریع بازار کسب و کار و دیگر سیستم های معامله گر بر روی اینترنت باعث شده که امروزه امنیت کامپیوتر یک مسئلهحیاتی شود. در سالهای اخیر، داده کاوی و یادگیری ماشین در محدوده ی گسترده ای مورد تحقیق قرار گرفته اند تا تشخیص نفوذرا با دقت بالا و به صورت طبقه بندی شده انجام دهند. که این کار باعث تشخیص دقیق تر و سریعتر نفوذگران می شود. نفوذ گرانبا استفاده مکرر از دستورات خاص به دنبال راههای نفوذ در شبکه هستند.تعداد تکرار این دستورات باعث می گردد که داده هایمر تبط با نفوذ مرتبا فراخوانی و استفاده گردد. با استفاده از شناخت درخواست های سایت می توان راهکارهایی برای سیستم تشخیصنفوذ ارائه داد.یکی از روشهای متدوال برای شناخت درخواستهای متدوال از درخواست های نفوذگر ،استفاده از روش خوشه بندیاست. خوشه بندی با رویکرد داده کاوی با کاوش در داده ها سعی در شناخت درخواست های غیر متداول و در خواست های نفوذ مینماید.در سالهای اخیر ارائه روش های مختلف خوشه بندی و ترکیب آن با روش های مختلف هوش مصنوعی ، الگوریتم هایی موثریرا برای تشخیص نفوذ ارائه داده است.این مقاله به بررسی الگوریتم ها ی خوشه بندی در تشخیص نفوذ می پردازد.و سعی دارد ازگذشته و سیر تکاملی آن پیشنهاداتی برای تحقیقات آتی فراهم نماید.
Keywords:
Authors
میلاد مالکی پور
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد دزفول
پوریا صباحی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد دزفول
رضوان خسروی
دانشجوی کارشناسی ارشد آی تی شاخه ی تجارت الکترونیک دانشگاه آزاد اسلامی واحد قزوین
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 :