CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود کارایی سیستم های تشخیص نفوذ با بکار گیری داده کاوی و یادگیری ماشین

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۲۲۴ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: NCCOS03_090
زبان مقاله: فارسی
حجم فایل: ۴۴۰.۱۷ کیلوبایت (فایل این مقاله در ۹ 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 ۹ 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 کارایی سیستم های تشخیص نفوذ با بکار گیری داده کاوی و یادگیری ماشین

    مصطفی عباسی - دانشجوی دکترای دفاع سایبری دانشگاه جامع امام حسین (ع) تهران
  مجید غیوری ثالث - استادیار گروه کامپیوتر دانشگاه جامع امام حسین (ع)تهران

چکیده مقاله:

دراین مقاله بااستفاده ازتکنیک های داده کاوی و یادگیری ماشین مدلهای مختلفی جهت بهبود کارایی سیستم های تشخیص نفوذارایه شده است سیستم های تشخیص نفوذبه مدلهای تشخیص مبتنی برامضا استفاده نادرست و ناهنجاری تقسیم میشوند که معیارهای ارزیابی آن ها نرخ تشخیص اخطارهای اشتباه و تشخیص حملات ناشناخته میباشد مدلهای ترکیبی و پیشنهادات بااستفاده ازتکنیک های داده کاوی و یادگیری ماشین و مزایای تشخیص نفوذمبتنی برامضاء /استفاده نادرست که عبارت است ازدقت بالا و اخطاراشتباه کم و مزیت تشخیص نفوذمبتنی برناهنجاری که عبارت است ازشناسایی حملات ناشناخته بابکارگیری ترکیب های توالی و موازی دوروش ذکر شده کارایی سیستم تشخیص نفوذ را افزایش داده است این مدلهای ترکیبی میتوانند حداکثر نرخ تشخیص نفوذرا باکاهش اخطارهای اشتباه به همراه شناسایی حملات جدید ارایه نمایند

کلیدواژه‌ها:

امنیت شبکه ، نفوذ ، داده کاوی ، ناهنجاری ، اخطارهای اشتباه

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-NCCOS03-NCCOS03_090.html
کد COI مقاله: NCCOS03_090

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:
عباسی, مصطفی و مجید غیوری ثالث، ۱۳۹۴، بهبود کارایی سیستم های تشخیص نفوذ با بکار گیری داده کاوی و یادگیری ماشین، سومین همایش ملی کامپیوتر، سنندج، آموزشکده فنی و حرفه ای سما واحد سنندج، https://www.civilica.com/Paper-NCCOS03-NCCOS03_090.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: (عباسی, مصطفی و مجید غیوری ثالث، ۱۳۹۴)
برای بار دوم به بعد: (عباسی و غیوری ثالث، 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 :

  • Dhruba Kumar Bhattacharyya , Jugal Kumar Kalita; Network Anomaly Detection: ...
  • Lee, W.K, S.J Stolfo, K.W. Mok.; A data mining framework ...
  • Schultz, M.G., E .EskinE.Zadok, S.J.Stolfo; Data mining methods for detection ...
  • Ghosh, A.K., A. Schwartzbard; _ study in using neural networks ...
  • Mukkamala, S., G Janoski, A.H. Sung.; Intrusion detection using support ...
  • Chandola, V., E.Banerjee et al. Data mining for cyber security ...
  • Patcha, A., J.M. Park.;An overview of anomaly detection techniques: Existing ...
  • Lakhina, A., M. Crovella, C. Diot.; Mining anomalies using trafficfeature ...
  • Barbarra, D., J.Couto, S. Jajodia, L. Popyack, N .Wu. ADAM; ...
  • Zhang, ., M. Zulkernine; Anomaly based networl intrusion detection with ...
  • Zhang, J., M.Zulkernine, _ Haque.; R _ dom -forest-based network ...
  • Anderson, D., T.Frivold, A. Valdes, Next-gen eration intrusion detection expert ...
  • Technical Report SRI-CSL-95 -07, SRI, 1995 ...
  • Endler, D. Intrusion detection: Applying machine learning to Solaris audit ...
  • Konrad Rieck, Philipp Trinius, Carsten Willems, Automatic Analysis of Malware ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۴۲۶۳
    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.