CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

الگوریتمی نوین جهت ارتقای ماشین های یاد گیر سیستم های تشخیص نفوذ

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۷۹۹ | نظرات: ۰
سال انتشار: ۱۳۹۰
نوع ارائه: پوستر
کد COI مقاله: CSCCIT01_178
زبان مقاله: فارسی
حجم فایل: ۴۹۰.۹۱ کیلوبایت (فایل این مقاله در ۸ 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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله الگوریتمی نوین جهت ارتقای ماشین های یاد گیر سیستم های تشخیص نفوذ

  حمید لقا - دانشگاه جامع علمی کاربردی شهرداری مشهد - دانشکده فناوری اطلاعات

چکیده مقاله:

در مدل مدیریت شده سیستم های تشخیص نفوذ دو نوع الگوریتم تاخیری و تسریعی وجود دارند.در فاز اموزش، الگوریتم های تاخیری بسیار ساده و الگوریتم های تسریعی بسیار فعال عمل میکنند، این موضوع در فاز کلاس بندی بر عکس است. در این پژوهش به منظور دست یابی به محاسن هر دو دسته الگوریتم ، یک روش ترکیبی نوین بنا نهادیم. برای این کار، با اعمال الگوریتم تسریعی استنتاج قوانین ، بر روی نمونه های آزمایشی اولیه و اعمال قوانین به دست امده ، به همان نمونه ها، به بردار های دودویی جدیدی دست یافتیم .به منظور تقویت نمونه های ازمایشی، بردار های به دست امده به عنوان مولفه های جدید به ان ها اضافه شدند و با استفاده از الگوریتم تاخیری نزدیکترین همسایه ها به کلاسبندی نمونه ها پرداختیم. نتایج ازمایش های به دست امده مبتنی بر اجرای الگوریتم های رایج، در کنار الگوریتم های پیشنهادی این مقاله، که با استفاده از نرم افزار های Timblو Weka به دست امده اند، نشان می دهد که الگوریتم پیشنهادی در حجم نمونه های زیاد با مولفه ی کم یا در محیط های با توان پردازش کم، کارایی بالا تری نسبت به الگوریتم های رایج دارد.

کلیدواژه‌ها:

سیستم تشخیص نفوذ، ماشین یادگیر، الگوریتم ترکیبی، آموزش تاخیری، آموزش تسریعی

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-CSCCIT01-CSCCIT01_178.html
کد COI مقاله: CSCCIT01_178

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:
لقا, حمید، ۱۳۹۰، الگوریتمی نوین جهت ارتقای ماشین های یاد گیر سیستم های تشخیص نفوذ، اولین کنفرانس ملی دانش پژوهان کامپیوتر و فناوری اطلاعات، تبریز، دانشگاه تبریز، https://www.civilica.com/Paper-CSCCIT01-CSCCIT01_178.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: (لقا, حمید، ۱۳۹۰)
برای بار دوم به بعد: (لقا، ۱۳۹۰)
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 :

  • Gowadia, V., Farkas, C., and Valtorta, M. (2005). Paid: A ...
  • S taniford-Chen, S., Tung, B., Porras, P., Kahn, C., Schnackenb ...
  • Stillerman, M., Marceau, C., and Stillman, M. (1999). Intrusion detection ...
  • Pfleeger, C. and Pfleeger, S. (2003). Security in computing. Prentice ...
  • Hendrickx, I. (2005). Local Classification and Global Estimation. Koninklijke drukkerij ...
  • van den Bosch, A. (2004). Feature transformation through rule induction, ...
  • Mitchell, T. (1997b). Machine Learning. McGraw-Hil International Editions. ...
  • Daelemans, W., van den Bosch, A., and Zavrel, J. (1999). ...
  • S. J. Russell and P Norvig, Artificial Intelligence: A Modern ...
  • D. Fisher, L. Xu, J. Carnes, Y. Reich, S. Fenves, ...
  • Cohen, W. (1995). Fast e_ective rule induction. In Machine Learning: ...
  • Hall, M. and Smith, L. (1996). Practical feature subset selection ...
  • van den Bosch, A. and Daelemans, W. (1998). Do not ...
  • S. Hettich and S. D. Bay, :Kdd cup 1999 data. ...
  • department of information and computer science." Website, 1999. ...
  • lincoln lab oratory-darpa intrusion detection evaluation sets. Mitه [۱۶] S. ...
  • P. A. C. P. Stolfo J, Fan W. Lee W, ...
  • http ://kdd. ics .uci. edu//datab ases/kddcup 9 9/kddcup9 9.html.irvine, ca: ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۵۳۳۳
    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

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

    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.