CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیشگری و بهبود تشخیص نفوذ در شبکه های کامپیوتری با استفاده از الگوریتم ترکیبی SVMوABC

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۱۹۳ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: ECOSE01_285
زبان مقاله: فارسی
حجم فایل: ۱.۳۹ مگابات (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیشگری و بهبود تشخیص نفوذ در شبکه های کامپیوتری با استفاده از الگوریتم ترکیبی SVMوABC

بهاره قلی پور گودرزی - مربی گروه کامپیوتر دانشکده فنی و حرفه ای دختران بابل ایران

چکیده مقاله:

اگرچه طی سالیاناخیر تحقیقات زیادی درزمینه امنیت سایبری انجام شده است تکنیکهای موجود فعلی ازقبیل دیوارآتش و رمزنگاری اطلاعات نتوانسته اند بصورت کامل امنیت فضای سایبری را تضمین کنند وجود تهدیدات فزاینده درفضای مجازی که هرروزه بابکارگیری تکنیکهای پیچیده و جدید امنیت کاربران را به مخاطره می اندازد باعث شده تا تحقیق درزمینه تشخیص مهاجمین درفضای سایبری اهمیت بیشتری یابد جهت تشخیص مهاجمین باید عوامل و ویژگیهای زیادی دربسترشبکه پردازش شوند که بسیارزمانبر میباشد استفاده ازتکنیکهای یادگیری ماشین و هوش جمعی درکاهش زمان پردازش و افزایش دقت محاسبات بسیارموثر است دراین مقاله الگوریتمی جهت انتخاب ویژگیها بصورت ترکیبی ازماشین بردارپشتیبان و الگوریتم زنبورها برای بالا بردن سطح تشخیص نفوذدرشبکه و افزایش صحت نتایج پیشنهاد شدها ست دراین پژوهش تجزیه و تحلیل اطلاعات با استفاده ازKDDcup99 انجام پذیرفته است بدین ترتیب که بهترین ویژگیها توسط ماشین بردارپشتیبان انتخاب و سپس با استفاده ازالگوریتم زنبورها دردسته هایمناسب قرارداده میشوند که ضمن کاهش زمان جستجو و افزایش میزان یادگیری صحت تشخیص نفوذبهبود یابد نتایج حاصله نشان میدهد که الگوریتم پیشنهادی میتواند با دقت 99.71درصد مهاجمین شبکه را شناسایی کند

کلیدواژه‌ها:

سیستم تشخیص نفوذ ، دسته بندی ، ماشین بردارپشتیبان ، الگوریتم زنبورها

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-ECOSE01-ECOSE01_285.html
کد COI مقاله: ECOSE01_285

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قلی پور گودرزی, بهاره، ۱۳۹۳، پیشگری و بهبود تشخیص نفوذ در شبکه های کامپیوتری با استفاده از الگوریتم ترکیبی SVMوABC، کنفرانس ملی بهینه سازی مصرف انرژی در علوم و مهندسی، بابل، دانشکده فنی و حرفه ای الزهرا بابل، http://www.civilica.com/Paper-ECOSE01-ECOSE01_285.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قلی پور گودرزی, بهاره، ۱۳۹۳)
برای بار دوم به بعد: (قلی پور گودرزی، ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.