مقایسه کارایی ماشین بردار پشتیبان و درخت های تصمیم در سیستم های تشخیص نفوذ

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,383

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCSCIT01_026

تاریخ نمایه سازی: 19 بهمن 1390

چکیده مقاله:

در این مقاله از سیستم تشخیص نفوذ مبتنی بر تطبیق الگو جهت تشخیص حمله استفاده شده است . از آن جایی که سیستم های تشخیص نفوذ با مقادیر زیادی داده کار می کنند که شامل ویژگی های اضافی هستند و موجب کند شدنروسه آموزش و تست می گردند و ارایی سیستم را کاهش می دهند, انتخاب ویژگی ها یکی از موضوعات کلیدی سیستم تشخیص نفوذ است و شامل یافتن زیر مجموعه ای از ویژگی های کاراتر برای بهبود دقت پیش گویی است. ما جهش کاهش ابعاد از روش جستجوی ژنتیک استفاده می کنیم والگوریتم های مبتنی بر درخت تصمیم و ماشین های بردار پشتیبان را در شرایط متفاوت شامل کاهش ابعاد ویژگی ها وتغییر تایع هسته ماشین بردار پشتیان ودرخت ها مورد مقایسه قرارمی دهیم . نتایج نشان می دهد که ماشین بردار پشتیبان هنگامی بالاترین کارایی را دارد که با کاهش ابعاد به 8 ویژگی از آن استفاده شود , در حالی که درخت تصمیم بدون کاهش ویژگی بهترین کارایی خود رادارد.

نویسندگان

فراز فروتن

گروه کامپیوتر - دانشگاه آزاد اسلامی واحد دزفول

سمیرا مدیری

گروه کامپیوتر - دانشگاه آزاد اسلامی واحد دزفول

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • V. Vapnik, "The Nature of Statistical Learning Theory, " Springer- ...
  • V. N. Vapnik, "Statistical Learning Theory, " John Wiley & ...
  • C. Burges, "A Tutorial o Support Vector Machines for Pattern ...
  • H. Shimodaira, K.I. Noma, M. Nakai, and S. Sagayama. "Support ...
  • H. Shimodaira, K. Noma, and M. Naka. Advances in Neural ...
  • K.M. Faraoun, A. Rabhi, "Data dimensionality reduction based on genetic ...
  • http ://archive .ics.uci .edu/ml/ ...
  • نمایش کامل مراجع