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

تشخیص نفوذ به شبکه های کامپوتری با رویکرد یادگیری دسته بند فاز

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۲۳۹ | نظرات: ۰
سرفصل ارائه مقاله: کامپیوتر / Computer
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEE15_203
زبان مقاله: فارسی
حجم فایل: ۶۴۵.۸۵ کلیوبایت (فایل این مقاله در ۶ 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 ۶ 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 تشخیص نفوذ به شبکه های کامپوتری با رویکرد یادگیری دسته بند فاز

  سعید جلیلی - دانشگاه تربیت مدرس، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر
  فاطمه فرجی دانشگر - دانشگاه تربیت مدرس، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر

چکیده مقاله:

با توجه به اینکه تفاوت کلاس عادی و کلاس حمله در شبکه های کامپیوتری خوش تعریف نیست و از طرف دیگر، منطق فازی اجازه می دهد که یک نمونه متعلق به پیش از یک کلاس با درجات تعلق مختلف باشد. در نتیجه بکارگیری منطق فازی در سیستم های تشخیص نفوذ می تواند مفید و موثر باشد. تاکنون روش های فازی زیادی در ساخت سیستم های تشخیص نفوذ به کار گرفته شده اند. اما روش های دسته بندی فازی در بین آنها کمتر به چشم می خورد. ما در این مقاله یک روش دسته بندی فازی که بین روش های مشابه نتایج خوبی داشته است را مطالعه و نقد کرده ایم و آن را به گونه ای توسعه دادیم که برای مسئله تشخیص نفوذ مفید باشد. سپس نتایج اجرای روش توسعه یافته را روی داده های KDD با سایر روش ها مقایسه کردیم. نتایج مقایسات نشان دادند که روش توسعه یافته نسبت به روش های دسته بندید پایه ضمن داشتن نرخ تشخیص قابل مقایسه ، نرخ اعلام نادرست پایین تر و قدرت یادگیری و سازگاری بالاتری دارد. همچنین در مقایسه با روش های فازی مبتنی بر الگوریتم ژنتیک بطور متوسط حدود 4% منجر به بهبود نرخ اعلام نادرست شده است.

کلیدواژه‌ها:

دسته بندی فازی ، تشخیص نفوذ ، نرخ تشخیص ، نرخ اعلام نادرست

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-ICEE15-ICEE15_203.html
کد COI مقاله: ICEE15_203

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:
جلیلی, سعید و فاطمه فرجی دانشگر، ۱۳۸۶، تشخیص نفوذ به شبکه های کامپوتری با رویکرد یادگیری دسته بند فاز، پانزدهیمن کنفرانس مهندسی برق ایران، تهران، مرکز تحقیقات مخابرات ایران، https://www.civilica.com/Paper-ICEE15-ICEE15_203.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: (جلیلی, سعید و فاطمه فرجی دانشگر، ۱۳۸۶)
برای بار دوم به بعد: (جلیلی و فرجی دانشگر، ۱۳۸۶)
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 :

  • _ Sugeno M. An introductory Survey of fuzzy control In: ...
  • J.Gomes and S.Dasgupta, Evolving Fuzzy Classifiers for Intrusion Detection, In:Proceedings ...
  • M.S, Abadeh, J. Habibia and c. Lucas, In trusion detection ...
  • H. lshibuchi and T. Murata, Techniques and applications of genetic ...
  • G.Xiang, W. Min and Z, Rongchun, Applying Fuzy Data Mining ...
  • John E. Dickeson, Jukka Juslin, Ourania Koukousoula and Julie A. ...
  • M.R. Mohajerani, A. Moeini and M. Kianie, NFIDS: A NEURO ...
  • Hong T. and Chen J., Processing Individual fuzzy attributes for ...
  • Wang C., Liu J, Hong T., Tseng S., A fuzzy ...
  • Wu T., Chen S., A new method for Construcing Membership ...
  • Quinlan J.R. C4.5 Programs for Machine Learning. Morgan Kaufmann Publishers, ...
  • Cohen W.W., Fast Effective Rule Induction, In Muchine Leaming, ln:Proceedings ...
  • Fan W, Lee W, Miller M, Stolfo SJ, Chen PK ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۳۲۴۵۲
    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 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.