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

Anomaly-based intrusion detection system using Relational Detector Tree (RTD)

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۳۷ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: ICEECS02_032
زبان مقاله: انگلیسی
حجم فایل: ۵۵۴.۶۹ کلیوبایت (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. 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 ۸ 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 Anomaly-based intrusion detection system using Relational Detector Tree (RTD)

  Mohammad Dabiri - Department of Computer, Buinzahra Branch, Islamic Azad University, Buinzahra, Iran
  Khashayar Khosharay - Department of Computer, Buinzahra Branch, Islamic Azad University, Buinzahra, Iran
Golnoush Abaei - Shahab Danesh Institute of Higher Education, Qom

چکیده مقاله:

Network security is one of the most challenging issues in network communication world. As network communications grow, vulnerabilities and penetrating attacks are predicted to be as prominent factors. So in order to thwart these attacks an intelligent and powerful intrusion detection system in required. In this paper, a multilayer intrusion detection system is proposed. In first layer, four types of detector are created using genetic algorithm which are used in the second layer to detect some anomalies or abnormal traffic data using Negative Selection Algorithm (NSA) and finally in last layer, the detected anomaly data are classified into four types of attack: DoS, Probe, R2l and U2r. The results show better performance in detecting and classifying new or unseen abnormal data. All experiments are done using KDDCUP99 dataset

کلیدواژه‌ها:

detector, genetic algorithm, Negative Selection Algorithm (NSA), DoS, Probe, R2l, U2r, KDDCUP99.

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-ICEECS02-ICEECS02_032.html
کد COI مقاله: ICEECS02_032

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:
Dabiri, Mohammad; Khashayar Khosharay & Golnoush Abaei, ۱۳۹۴, Anomaly-based intrusion detection system using Relational Detector Tree (RTD), دومین کنفرانس بین المللی مهندسی برق و علوم کامپیوتر, شیراز, پردیس بین الملل توسعه ایده هزاره, https://www.civilica.com/Paper-ICEECS02-ICEECS02_032.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: (Dabiri, Mohammad; Khashayar Khosharay & Golnoush Abaei, ۱۳۹۴)
برای بار دوم به بعد: (Dabiri; Khosharay & Abaei, ۱۳۹۴)
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 :

  • Gordon Linoff Michal J. (1997), :Data Mining Techniques: For Marketing, ...
  • Forrest, S., Perelson, A. S., Allen, L. and Cherukuri, R. ...
  • Garcia -Teodoro, Pedro, Diaz-Verdejo, Jesus, Macia- Fernandez, Gabriel and Vazquez, ...
  • Amiri F, Rezaie Yousefi MM, Lucas , 2012. Mutual information ...
  • Sheikhan, M., & Rad, M. S. (2013). Gravitational search a ...
  • th Internationa Conference On Electrical Engineering and Computer Science (ICEECS ...
  • Aziz et al, 2012 Md et al, 2013 ...
  • Algorithm Aziz et al, 2014 ...
  • Mohammad et al, 2012 MD et al, 2012 ...
  • Khosharay et 83.46% al, 2015 RTD ...
  • th Internationa Conference On Electrical Engineering and Computer Science (ICEECS ...
  • Aziz ASA, Salama M, Hassanien A 2012. Detectors Generation using ...
  • Aziz ASA, Hanafi SE-O, Hassanien A. 2014. Multi-agent Artificial Immune ...
  • Khosharay, Kh. _ Motallebi, M. (2015), "An Intrusion Detection System ...
  • Mostaque MD, Hassan M, 2013. Network Intrusion Detection System Using ...
  • Chan, F. T., Prakash, A., Tibrewal, R K. and Tiwari, ...
  • Intelligent Computational Systems (ICICS'2013), Singapore, 1-5. ...
  • Li, D., Liu, S. and Zhang, H. (2015), _ negative ...
  • Md. Abu_Naser_ (2012), _ implementation of intrusion detection system using ...
  • Estevez-T apiador JM, Garcia-Teodoro P, Diaz-Verdejo JE..2004. Anomaly detection methods ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۳۸۴
    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.