ارایه روشی جدید بر پایه یادگیری خودآموز برای سیستم تشخیص نفوذ شبکه
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 453
This Paper With 9 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:
TECCONF03_245
تاریخ نمایه سازی: 5 آبان 1397
Abstract:
یک سیستم تشخیص نفوذ شبکه (NIDS) به مدیران برای تشخیص نقض امنیتی شبکه در سازمان خود کمک میکند. با این حال چالشهای زیادی در تاثیرگذاری و موثر بودن NIDS برای حملات پیش بینی نشده و غیرقابل پیشبینی در حال رشد است. در این مقاله، یک رویکرد مبتنی بر یادگیری خودآموز (STL) برای پیاده سازی موثر و قابل انعطاف NIDS با استفاده از یادگیری عمیق بر پایه شبکه عصبی کانوولوشن پویا (DCNN) پیشنهاد شد. برای آزمایش و ارزیابی روش پیشنهادی از مجموعه داده معیار NSL-KDD برای تشخیص نفوذ شبکه استفاده شد. همچنین، عملکرد روش پیشنهادی را بر حسب دقت، بازخوانی و سنجش F با روشهای پایه مقایسه کردیم. نتایج تجربی نشان داد روش پیشنهادی از عملکرد مطلوبتری نسبت به روش پایه برخوردار است.
Keywords:
Authors
سینا دامی
استادیار گروه کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
اکرم قاسم نژاد
دانشجوی کارشناسی ارشد IT، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران