ارزیابی کارایی الگوریتم های درخت تصمیم و svm در سیستم های تشخیص نفوذ

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 997

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSCCIT02_022

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

با گسترش روز افزون شبکه های کامپیوتری ،امنیت یک چالش اساسی شبکه های کامپیوتری است . راهکارهای زیادی همچون دیوار آتش، نرم افزارهای آنتی ویروس و... برای برقراری امنیت وجود دارد . سیستم های تشخیص نفوذ یکی از مهم تریناین راهکارها می باشد.در پیاده سازی سیستم های تشخیص نفوذ چالش اصلی، تشخیص حملات با دقت بالا و نرخ آلارم های اشتباه پایین است. الگوریتم های هوش ماشین و داده کاوی در پیش بینی حملات قبل از وقوع کاربرد زیادی دارند ، و تا کنون در پژوهش های متفاوتی مورد استفاده قرار گرفته اند . در این پژوهش ارزیابی دو الگوریتم پر کاربرد درخت تصمیم SVM انجام شده است.نتایج ارزیابی این دو الگوریتم کلاسه بندی در حوزه سیستم های تشخیض نفوذ نشان می دهد که الگوریتم درخت تصمیم از نظر متریک دقت ، برتر از SVM می باشد.

نویسندگان

سیدوحید فرهی

دانشگاه صنعتی شیراز- دانشکده مهندسی کامپیوتر و فناوری اطلاعات

هومن منظری

دانشگاه صنعتی شیراز - دانشکده مهندسی کامپیوتر و فناوری اطلاعات

مرضیه احمدزاده

دانشگاه صنعتی شیراز - دانشکده مهندسی کامپیوتر و فناوری اطلاعات

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 :
  • intrusion detection: Techniques, systems and challenges ", Computers & Security, ...
  • Decision Tree for Intrusion Detection Using Reduced Feature Spaces, " ...
  • Design, Meds urement, Simultion, and Modeling. New York: Wiley- Interscience, ...
  • S. Axelsson, "Intrusion Detection Systems: A Survey and Taxonomy, " ...
  • G.-T. Pedro, D.-V. E. Jesus, G. Macia-Ferna ndez, and V. ...
  • S.-Y. Wu and E. Yen, "Data mining-based intrusion detectors ", ...
  • B. M. Bidgoli, M. Analoui, M. H. Rezvani, and H. ...
  • E. Biermann, E. Cloete, and L. Venter, "A comparison of ...
  • M. Ektefa, S. Memar, F. Sidi, and L.S. Affendey, Eds ...
  • _ Pang-Ning, S. Michael, and K. Vipin , Introduction to ...
  • _ R. Quinlan , C4, 5: programs for machine learning: ...
  • UCl Machine Learning .KDD Cup 1999Dato. ...
  • M. Tavallaee, E. Bagheri, W. Lu, and A.A. Ghorbani, Eds ...
  • R. Jain , The Art of Computer Systems Performance Anolysis: ...
  • نمایش کامل مراجع