CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود الگوریتم K-Means برای سیستم های تشخیص نفوذ دارای ویژگی های اسمی و پیوسته

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۲۸۴ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: IKMC07_523
زبان مقاله: فارسی
حجم فایل: ۶۲۱.۵ کیلوبایت (فایل این مقاله در ۱۰ 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 ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود الگوریتم K-Means برای سیستم های تشخیص نفوذ دارای ویژگی های اسمی و پیوسته

  سیدوحید فرهی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات شبکه، دانشگاه صنعتی شیراز، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، ایران
  محمدمهدی معصومی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات شبکه، دانشگاه صنعتی شیراز، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، ایران
  مرضیه احمدزاده - دکتری مهندسی نرم افزار، دانشگاه صنعتی شیراز، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، ایران

چکیده مقاله:

با گسترش شبکه جهانی اینترنت و ارتباط شبکه های کامپیوتری با دنیای خارج، برقراری امنیت از مسائل اصلی شبکه های کامپیوتری می باشد. سیستم های تشخیص نفوذ در خط دوم دفاع سعی دارند تهدیدهای امنیتی را تشخیص دهند. الگوریتم های خوشه بندی یکی از روش های مهم استخراج دانش از مجموعه داده ها می باشد. الگوریتم K-Means یکی از الگوریتم های خوشه بندی است که می تواند در سیستم های تشخیصنفوذ و استخراج و کشف دانش بسیار مفید باشد. تا کنون این الگوریتم در تحقیقات بسیاری مورد استفاده قرار گرفته است. اما توجه به این نکته الزامی است که این الگوریتم برای مجموعه داده هایی که فقط شامل ویژگی -های پیوسته هستند مطرح است و بر اساس فاصله هندسی کار می کند. مجموعه داده ها در سیستم های تشخیص نفوذ علاوه بر ویژگی های پیوسته شامل ویژگی های اسمی نیز می باشند. تا کنون در سیستم های تشخیص نفوذ این مساله مورد توجه قرار نگرفته که مجموعه داده های مورد استفاده در سیستم های تشخیص نفوذ شامل ترکیبی از ویژگی های پیوسته و اسمی هستند. در این پژوهش الگوریتم خوشه بندی K-Means با توجه به این مساله که مجموعه داده ها در سیستم های تشخیص نفوذ دارای ترکیبی)پیوسته و اسمی( از ویژگی ها هستند توسعه داده شده است.

کلیدواژه‌ها:

سیستم های تشخیص نفوذ، خوشه بندی، ویژگی های ترکیبی، بهبود K-Means ،داده کاوی

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-IKMC07-IKMC07_523.html
کد COI مقاله: IKMC07_523

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:
فرهی, سیدوحید؛ محمدمهدی معصومی و مرضیه احمدزاده، ۱۳۹۴، بهبود الگوریتم K-Means برای سیستم های تشخیص نفوذ دارای ویژگی های اسمی و پیوسته، هفتمین کنفرانس ملی و اولین کنفرانس بین المللی مدیریت دانش، تهران، موسسه اطلاع رسانی نفت، گاز و پتروشیمی، https://www.civilica.com/Paper-IKMC07-IKMC07_523.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: (فرهی, سیدوحید؛ محمدمهدی معصومی و مرضیه احمدزاده، ۱۳۹۴)
برای بار دوم به بعد: (فرهی؛ معصومی و احمدزاده، 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 :

  • Axelsson, Stefan. (2000). Intrusion detection systems: A survey and taxonomy: ...
  • de Souto, Marcilio Carlos Pereira, de Araujo, Daniel SA, Costa, ...
  • Ga rcia-Teodoro, Pedro, Diaz-Verdejo, _ Macia-Ferna ndez, Gabriel, & Vazquez, ...
  • Guan, Yu, Ghorbani, Ali-Akbar, _ Belacel, Nabil. (2003). Y-means: A ...
  • He, Zengyou, Xu, Xiaofei, _ Deng, Shengchun. (2005). Clustering mixed ...
  • Huang, Zhexue. (1998). Extensions to the k-means algorithm for clustering ...
  • Jain, Anil K. (2010). Data clustering: 50 years beyond K-means. ...
  • Jain, Anil K, Murty, M Narasimha, & Flynn, Patrick J. ...
  • Morin, Benjamin, & Me, Ludovic. (2007). Intrusion detection and virology: ...
  • Patcha, Animesh, _ Park, Jung-Min. (2007). An overview of anomaly ...
  • Visalakshi, N Karthikeyani, & Thangavel, K. (2009). Impact of normalization ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۲۰۰۸
    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.