یک سیستم تشخیص نفوذ ترکیبی مبتنی بر شبکه عصبی مصنوعی چندلایه و انتخاب ویژگی هوشمندانه

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 657

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:

CITCONF02_581

تاریخ نمایه سازی: 19 اردیبهشت 1395

Abstract:

افزایش نفوذ به شبکه های کامپیوتری و حملات سایبری در سالیان اخیر، ضرورت امن سازی فضای سایبری را به یکی از مهم ترین دغدغه های مدیران و کارشناسان این حوزه تبدیل کرده است. از طرفی با پیچیده شدن حملات سایبری و حرفه ای تر شدن هکرها، تنها بهره گیری از تکنیک های نظیر دیواره آتش، رمزنگاری اطلاعات، هویت سنجید و آنتی ویروس کافی نیست و استفاده از یک سیستم تشخیص نفوذ کارا نیز ضروری می باشد. در این پژوهش یک سیستم تشخیص نفوذ از نوع سوءاستفاده مبتنی بر ترکیب شبکه عصبی مصنوعی چندلایه و روش هوشمندانه جهت انتخاب ویژگی با در نظر گرفتن پنج کلاس از حملات سایبری ارائه شده است. نتایج حاصل از این تحقیق نشان می دهد که مرحله انتخاب ویژگی با استفاده از روش ارائه شده در تحقیق نسبت به روش مقایسه شده، نتیجه مطلوب تری از لحاظ معیارهای ارزیابی دارد.

Keywords:

نفوذ , سیستم تشخیص نفوذ , انتخاب ویژگی مؤثر , شبکه عصبی مصنوعی چندلایه

Authors

مهدی منصوری

باشگاه پژوهشگران جوان و نخبگان، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

ناصر نعمت بخش

استادیار دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

محدثه ترابی

گروه کامپیوتر، دانشکده فنی و مهندسی، واحد شاهین شهر، دانشگاه آزاد اسلامی، شاهین شهر، 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 :
  • D. Fisch, A. Hofmann and B. Sick, _ On the ...
  • Wang, G., et al., "A new approach to intrusion detection ...
  • Li, Y., et al., "Network anomaly detection based on TCM-KN ...
  • Muna Mhammad T Jawhar. Et al., " Design Network Intrusion ...
  • Horng, S.-J., et al., "A novel intrusion detection system based ...
  • M. Sheikhan and M. Sharifi Rad, "Misuse detection based on ...
  • Pietraszek, T. and A. Tanner, Data mining and machine le ...
  • Sangkatsanee, P., N. Wattan apongsakorn , and C. Charnsripinyo, "Practical ...
  • Yun Wang, "A multinomil logistic regression modeling approach for anomaly ...
  • Zuev, D. and A. Moore _ Traffic Classification Using _ ...
  • Wang, G., et al., "A new approach to intrusion detection ...
  • Witten, I. H., & Frank, E. (2005). Data mining: Practical ...
  • A. Z. Al-Garni, A. Jamal, A. M. Ahmad.200, "Neural network-based ...
  • نمایش کامل مراجع