بررسی رویکردهای تشخیص ناهنجاری در برنامه های تحت وب

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 699

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

COMPUTER02_051

تاریخ نمایه سازی: 2 تیر 1395

Abstract:

شناسایی ناهنجار ها در برنامه ها و پورتال های تجاری مبتنی بر اینترنت امری بسیار حائز اهمیت در حفظ امنیت است. اینگونه رفتارها می توانند تأثیرات قابل توجهی در برنامه وب ایجاد نمایند. بنابراین، برای محافظت از برنامه های کاربردی تحت وب، باید روش های امنیتی مناسبی اتخاذ گردد. در این زمینه رویکردهای مختلفی ارائه شده است که برخی از آنها بر روی تشخیص ناهنجاری در سطح برنامه وب و برخی دیگر بر روی پایگاه داده برنامه تمرکز دارند. هدف تمامی آنها شناسایی درخواست های ناهنجار و جلوگیری از موفقیت آنها در رسیدن به هدفشان است. در این مقاله تعدادی رویکرد جهت تشخیص ناهنجاری در برنامه های تحت وب مورد بررسی قرار و سه رویکرد مختلف در جهت ارزیابی پیاده سازی نمودیم. نتایج به دست آمده از این ارزیابی نشان می دهند، رویکردهایی که بر روی شناسایی ناهنجاری در تمامی بخش های برنامه تحت وب تمرکز دارند، بسیار بهتر از رویکردهایی که بر روی منابع مختلف برنامه تمرکز دارند عمل می کنند. اما باید توجه داشت که این گونه رویکردها در شرایطی این بهره وری را دارا هستند که به درستی پیاده سازی و پیکربندی شوند.

Authors

علی اکبر محمودزاده سدهی

کارشناس انفورماتیک، اداره کل استاندارد خوزستان

رسول جورمند

کارشناس ارشد نرم افزار، شرکت فرامین مهرپارسیان، خوزستان- ارائه دهنده

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 :
  • Auxilia, M. and D. Tamilselvan (2010). "Anomaly detection using negative ...
  • Fong, E. and Okun, V. (2007). "Web application scanners Definitions ...
  • Li, X., et al. (2012). "Detecting Anomalous User Behaviors in ...
  • Martin, B., et al. (2011). "2011 CWE/SANS top 25 most ...
  • Mihancea, P. F. and M. Minea (2014). "jModex: Model extraction ...
  • Qin, Z., et al. (2011). "Suspicious user tracking based on ...
  • Ruzhi, X. and D. Liwu (2010). "A learning-based anomaly detection ...
  • Sun, J., et al. (2010). "A New Database Firewall Based ...
  • Torrano -Gimenez, C., et al. (2010). "An A nomaly-Based Approach ...
  • Viswanathan, R. P., et al. (2011). "Application attack detection system ...
  • NIST (2010). "Nist cve and cce vulnerability database" http ://www. ...
  • "Syat: Medical Sciences Research Automation system." [Online]. Available: http :/syat. ...
  • نمایش کامل مراجع