CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص نفوذ در پایگاه داده با استفاده از تحلیل وابستگی بین داده ها

اعتبار موردنیاز : ۱ | تعداد صفحات: ۴ | تعداد نمایش خلاصه: ۱۰۶۰ | نظرات: ۰
سال انتشار: ۱۳۸۴
نوع ارائه: پوستر
کد COI مقاله: ACCSI11_131
زبان مقاله: فارسی
حجم فایل: ۲۱۵.۹۶ کیلوبایت (فایل این مقاله در ۴ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص نفوذ در پایگاه داده با استفاده از تحلیل وابستگی بین داده ها

  داود ذبیح زاده خواجوی - دانشجوی کارشناسی ارشد دانشگاه علم و صنعت ایران
  محمدرضا کنگاوری - استادیار گروه نرم افزار دانشگاه علم و صنعت ایران

چکیده مقاله:

دراین مقاله روشی برای تشخیص تراکنشهای مهاجم در پایگاه داده معرفی می شود الگوریتم ارایه شده براساس کاویدن قوانین وابستگی بین اقلام داده است منظور از قوانین وابستگی بین داده ها همبستگی بین دسترسی به دو و یا تعداد بیشتری قلم داده می باشد تفاوت روشی که در این مقاله ارایه می شود با سایر روشها این است که در آن قوانینی برای شناسایی تراکنشهای غیرمجازی که داده ها را می خوانند ارایه شده استو همچنین با استفاده از یک معیار شباهت رفتار جدید نرخ تشخیص نادرست سیستم کاهش یافته است نتایج آزمایشها نشان میدهد که این روش می تواند بطور موثر تراکنشهای مهاجم در پایگاه داده را تشخیص دهد.

کلیدواژه‌ها:

امنیت پایگاه داده، تشخیص تهاجم، داده کاوی، قوانین وابستگی

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:
https://www.civilica.com/Paper-ACCSI11-ACCSI11_131.html
کد COI مقاله: ACCSI11_131

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:
ذبیح زاده خواجوی, داود و محمدرضا کنگاوری، ۱۳۸۴، تشخیص نفوذ در پایگاه داده با استفاده از تحلیل وابستگی بین داده ها، یازدهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر ایران، مرکز تحقیقات فیزیک نظری و مخابرات، https://www.civilica.com/Paper-ACCSI11-ACCSI11_131.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: (ذبیح زاده خواجوی, داود و محمدرضا کنگاوری، ۱۳۸۴)
برای بار دوم به بعد: (ذبیح زاده خواجوی و کنگاوری، ۱۳۸۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Frank, J., Artificial Intelligence and Intrusio Detection: Current and Future ...
  • Lee, W. and Stolfo S, Data Mining Approaches for Intrusion ...
  • Lee, V.C.S., Stankovic, J.A. Son, S. H, Intrusion Detection in ...
  • Barbara, D., Goel, R., and Jajodia, S., Mining Malicious Data ...
  • Chung, C, Gertz, M., and Levitt, K, DEMIDS: A Misuse ...
  • Hu, Y., Panda, B., A Data Mining Approach for Database ...
  • Ayres, J., Gehrke, J., Yiu, T., Flannick, J., Sequential Pattern ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۲۰۳۶۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • هوش مصنوعی > داده کاوی
  • 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.