طراحی یک سیستم تشخیص نفوذ بهبودیافته براساس شبکه های عصبی- فازی همراه با طرح انتخاب ویژگی ها

رضا میرزایی; مائده عاشوری

طراحی یک سیستم تشخیص نفوذ بهبودیافته براساس شبکه های عصبی- فازی همراه با طرح انتخاب ویژگی ها

Publish place: کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات

Publish Year: 1395

Type: Conference paper

Language: Persian

This Paper With 15 Page And PDF and WORD Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > منطق فازی

Export:

Link to this Paper:

https://civilica.com/doc/493995

Document National Code:

CITCOMP01_066

Index date: 6 September 2016

طراحی یک سیستم تشخیص نفوذ بهبودیافته براساس شبکه های عصبی- فازی همراه با طرح انتخاب ویژگی ها abstract

سیستم تشخیص نفوذ به عنوان بخش مهمی از سیستم دفاعی در شبکه های کامپیوتری به شمار می آید که برای شناسایی فعالیت های غیر طبیعی سیستم کامپیوتری به کار می رود. در این مقاله به معرفی روشی برای طراحی سیستم-های تشخیص نفوذ بر اساس شبکه های عصبی- فازی خواهیم پرداخت. در طرح پیشنهادی ابتدا ویژگی هایی را که در آموزش شبکه ی موردنظر تاثیر بیشتری دارند انتخاب کرده و سپس برپایه ی شبکه های عصبی- فازی، مدل موردنظر برای تشخیص ناهنجاری آموزش داده می شود. ساختار پیشنهادی دو ویژگی بارز دارد که آن را از ساختارهای قبلی متمایز می-سازد. اولی انتخاب ویژگی های مهم تر موجود در داده های آموزش است که با بررسی و مقایسه ی هفت روش انتخاب ویژگی بدست می آید. دیگری قابلیت انعطاف و توانایی تشخیص حملات ناشناخته است که این ویژگی مهم از طریق استفاده از ساختار شبکه های عصبی- فازی حاصل می شود. با توجه به پیاده سازی روش فوق و مقایسه آن با برخی پیاده سازی های قبلی، نشان داده می شود که دقت روش پیشنهادی در تشخیص ناهنجاری از دیگر روش های مورد بررسی بهتر می باشد.

طراحی یک سیستم تشخیص نفوذ بهبودیافته براساس شبکه های عصبی- فازی همراه با طرح انتخاب ویژگی ها Keywords:

سیستم تشخیص نفوذ , شبکه های عصبی , منطق فازی , سیستم استنتاج عصبی فازی , انتخاب ویژگی

طراحی یک سیستم تشخیص نفوذ بهبودیافته براساس شبکه های عصبی- فازی همراه با طرح انتخاب ویژگی ها authors

رضا میرزایی

دانشجوی کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشکده کامپیوتر، دانشگاه اصفهان

مائده عاشوری

گروه مهندسی فناوری اطلاعات، دانشکده کامپیوتر، دانشگاه اصفهان

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 :

Song, D., Heywood, M.I. and Zincir- Heywood, A.N. (2005), "Training ...

Gomez, J. and Dasgupta, D. (2001), "Evolving Fuzzy Classifiers for ...

(2004), "Adaptive Neuro-Fuzzy Intrusion Detection System, _ IEEE International Conference ...

Zhang, Z., Li, J., Manikopoulos, C., Jorgenson, J. and Ucles, ...

Abade, M. S., Habibi, J. and Lucas C (2005), "Intrusion ...

Dickerson, J. E. (2000), "Fuzzy network profiling for intrusion detection, ...

Gao, M. and Zhou, M. C. (2003), "Fuzzy intrusion detection ...

Jang, J. S. R. (1993), "ANFIS: Adap tive-Netwo rk-based Fuzzy ...

Nauck, D. and Kruse, R. (1 995), "NEFCLASS _ A ...

Ishibuchi, H., Nakashima, T. and Murata, T. (1995), "A fuzzy ...

Liu, J. and Kwok, J. (2000), "An extended genetic rule ...

DARPA Intrusion Detection Evaluation: http ://www .ll.mit.edu/S S t/ideval/result result ...

KDD Cup 1999 Intrusion detection dataset: http://kdd.ics .uci. edu/datab as ...

Faraoun KM, Boukelif A. (2006) , :Neural networks learning improvement ...

Zhang, X., Chun-hua, G. and Jia-jin, L. (2006) , "Intrusion ...

Ranjan, R. and Sahoo, G. (2014), "A New Clustering Approach ...

Hassan, M. Md. (2013), "Network Intrusion Detection System Using Genetic ...

Enache, A. C. and Patriciu, V. V. (2014), "Intrusions Detection ...

Einipour, A. (2012), "Intelligent Intrusion Detection in Computer Networks Using ...

Weka 1993 Data Mining Software in Java: http ://www .cS ...

نمایش کامل مراجع