تشخیص ناهنجاری با استفاده از الگوریتم آنالیز مولفه های اصلی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 814

This Paper With 6 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:

ELECONFK02_007

تاریخ نمایه سازی: 26 شهریور 1395

Abstract:

تشخیص ناهنجار ی ، تعیین رخدا د یا مشاهدهای است که هیچگونه مطابقتی با الگوهای مورد انتظار ندا رد ناهنجاری های در دو دسته ناهنجاری عمد ی (حملا ت) و ناهنجاری های غیرعمد ( خرابی سیستمی ) تقسیم بندی می شوند. در سیستم های تشخیص دو نوع روش مبتنی بر امضا و مبتنی بر ویژگی مورد استفاده قرارمی گیرد. هر دو روش، می باید طیف وسیعی از ناهنجاری های موجود را شامل گردید ه و از سرعت بالایی در تشخیص برخوردار باشد. این موضوع باعث گردید ه تا محققین این حوزه روش های جدیدی را هدف گذاری نمایند .یکی از روش های مبتنی بر ویژگی ، تشخیص ناهنجاری مبتنی بر استخراج ویژگی های آماری است . در استخراج ویژگی ها، تکنیک های متعددی اثرگذار است که در این مقاله با بهره گیری از روش تحلیل مولفه های اصلی ضمن استخراج ویژگی ها نسبت به کاهش ابعاد داده ، خوشه بندی ناهنجاری ها و شناسایی آنها اقدام گردیده است. جهت ارزیابی کارکرد روش مذکور، ناهنجاری موجود در ایمیل های رایانه ای با استفاده از نرم افزار متلب مورد تجزیه و تحلیل آماری و نهایتا تشخیص قرار گرفته اند.که نتایج بدست آمده بیانگر نرخ شناسایی % 92.4 می باشد.

Authors

علی اصغر میرزائی

گروه برق مخابرات ، واحد کاشان ، دانشگاه آزاد اسلامی، کاشان، ایران

امیر حسین خنشان

گروه برق مخابرات ،واحد کاشان ،دانشگاه آزاد اسلامی ،کاشان، ایران

علیرضا شفیعی نژاد

گروه برق مخابرات، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، 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 :
  • _ Isohara, _ Takemori, K. & Sasase, J (2008). Anomaly ...
  • Vignan, , .Venkata Rao, 12 Anomaly Detection Using Principal sSue4, ...
  • Bartholomew, ) (1987). Latent variable models and factor analysis. London: ...
  • Y. Wang, statistical techniques for network security, Yale University andYale ...
  • Herrero, A., Corchado, E, Gastaldo, P. Leoncini, D., Picasso, F. ...
  • نمایش کامل مراجع