ارائه یک سیستم تشخیص نفوذ مبتنی بر ماشین یادگیری با استفاده کاهش ابعاد ویژگی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,657
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
DSCONF02_061
Index date: 11 September 2016
ارائه یک سیستم تشخیص نفوذ مبتنی بر ماشین یادگیری با استفاده کاهش ابعاد ویژگی abstract
حمله ها به زیرساخت شبکه درحال حاضر تهدید اصلی برای امنیت شبکه و اطلاعات است. بسیاری از سیستم های تشخیص نفود موجود از تمام 41 ویزگی برای ارزیابی و جستجو نفوذ استفاده می کنند که بعضی از این ویژگی ها اضافی و غیرمرتبط هستند. نقطه ضعف این روش ها، وقت گیر و بدون فرآیند تشخیص و کاهش کارایی سیستم تشخیص نفوذ است. در این پژوهش، هدف ایجاد امنیت و تشخیص نفوذ در شبکه های کامپیوتری با استفاده از تکنیک های کاهش ابعاد ویژگی و مدل مخفی مارکوف است. به طور کلی سیستم های تشخیص نفوذ به دو دسته سیستم های مبتنی بر امضا و سیستم های مبتنی بر ناهنجاری تقسیم می شوند. حمله های صفر روزه به حملاتی گفته می شوند که تاکنون توسط سیستم شناخته نشده اند و سیستم های مبتنی بر امضا توانایی تشخیص این نوع حملات را ندارند. در این مقاله یک سیستم تشخیص نفوذ مبتنی بر ناهنجاری ارائه شده است که از کاهش ابعاد ویزگی استفاده می کند. نتایج آزمایشگاهی نشان می دهد که سیستم پیشنهادی نرخ دقت بالاتر و نرخ مثبت کاذب پایین تری نسبت به الگوریتم های قابل مقایسه دارد.
ارائه یک سیستم تشخیص نفوذ مبتنی بر ماشین یادگیری با استفاده کاهش ابعاد ویژگی Keywords:
ارائه یک سیستم تشخیص نفوذ مبتنی بر ماشین یادگیری با استفاده کاهش ابعاد ویژگی authors
رضا سروانی
کارشناسی ارشد مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی واحد رفسنجان
محمد علایی
دکتری معماری کامپیوتر، عضو هیئت علمی گروه کامپیوتر دانشگاه شهید باهنرکرمان
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 :