بهبود دقت تشخیص نفوذ در شبکه های کامپیوتری با استفاده از کاهش ویژگی و تکنیک های ترکیبی یادگیری ماشین
Publish place: The Second National Conference on New Approaches in Computer and Electrical Engineering
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 991
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:
شناسه ملی سند علمی:
BPJ02_262
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
در دوره اخیر فراگیری استفاده از فناوری اینترنت باعث بروز حملات متعددی شده که هدف عمده این حملات، به خظر انداختن یکپارچگی، قابلیت اطمینان سیستم و دسترسی غیرمجاز به منابع خاص هست. به همین منظور می توان از سیستم های تشخیص نفوذ به عنوان مکمل امنیت در ارتباطات شبکه ای، به همراه سیستم های مرسوم بهره برد. در این مقاله به منظور بهبود نرخ تشخیص درست و به حداقل رساندن نرخ تشخیص اشتباه، یک روش جدید تشخیص نفوذ ارائه شده است که در مرحله اول با استفاده از الگوریتم های انتخاب ویژگی، ویژگی هایی که تاثیر بسزایی در یادگیری ماشین دارند انتخاب می شوند، سپس توسط ترکیب الگوریتم های نیو بیز و Bagging سیستم یادگیری به شناسایی و دسته بندی حملات می پردازد. نتایج آزمایش های انجام گرفته بر روی مجموعه داده NSL-KDD نشان دهنده افزایش دقت کل دسته بندی و همچنین کاهش نرخ هشدارهای نادرست در مدل پیشنهادی است به طوری که دقت کل در حالت اعتبارسنجی ضربدری برابر با 99/66 و در حالت مجموعه داده تست 97/74 می باشد. همچنین نرخ هشدارهای نادرست برای حالت اعتبارسنجی ضربدری 0/13 و مجموعه داده تست 0/53 کاهش یافته است.
Keywords:
Authors
حسین اصغرزاده
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد شبستر، گروه مهندسی کامپیوتر
شاهین اکبرپور
عضو هیئت علمی، دانشگاه آزاد اسلامی واحد شبستر، گروه مهندسی کامپیوتر
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 :