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

استفاده از تکنیک کلاس بندی ماشین بردار پشتیبان در تشخیص ناهنجاری سیستم تشخیص نفوذ

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۲۹ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: RCEITT01_061
زبان مقاله: فارسی
حجم فایل: ۴۳۷.۳۸ 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 استفاده از تکنیک کلاس بندی ماشین بردار پشتیبان در تشخیص ناهنجاری سیستم تشخیص نفوذ

معصومه فلاح سخنگویی - دانشجوی کارشناسی ارشد علوم کامپیوتر، مرکز تحصیلات تکمیلی زنجان

چکیده مقاله:

با پیدایش و ظهور رایانهها علاوه بر نیاز روزافزون به رایانهها نیاز امنیتی نیز احساس میشد. خدمات شبکههای کامپیوتری از یک سو و حمله به شبکههای کامپیوتری از سوی دیگر باعث شده است که سیستمهای تشخیص نفوذ بهیک زمینه تحقیقاتی مهم در مسئله امنیت شبکههای کامپیوتری تبدیل شوند. از طرفی برای پیشبینی این حملات با حجم زیادی از دادهها مواجه هستیم که تکنیکهای دادهکاوی برای این پیشبینی به ما کمک میکنند. این مقاله سعیدارد در یک سیستم بتواند نفوذ را تشخیص و به عبارتی بتواند پیشبینی کند و در پی پاسخ به این سوال است که تکنیک کلاس بندی ماشین بردار پشتیبان در دادهکاوی برای تشخیص ناهنجاری سیستم چگونه است؟ و با ایدهای که ما در این مقاله استفاده میکنیم با استفاده از تکنیک کلاس بندی روش بردار پشتیان درصد درستی آن چقدر است؟ وچند درصد از حملات را میتواند به درستی پیشبینی کند؟ از طرفی باید سرعت بهتری نیز نسبت به روشهای دیگرداشته باشد

کلیدواژه‌ها:

تشخیص نفوذ سیستم، دادهکاوی، کلاس بندی، ماشین بردار پشتیبان، پیشبینی

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-RCEITT01-RCEITT01_061.html
کد COI مقاله: RCEITT01_061

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:
فلاح سخنگویی, معصومه، ۱۳۹۳، استفاده از تکنیک کلاس بندی ماشین بردار پشتیبان در تشخیص ناهنجاری سیستم تشخیص نفوذ، اولین همایش ملی پژوهش های مهندسی رایانه، تهران، مرکز توسعه پایدار علم و صنعت فرزین، https://www.civilica.com/Paper-RCEITT01-RCEITT01_061.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: (فلاح سخنگویی, معصومه، ۱۳۹۳)
برای بار دوم به بعد: (فلاح سخنگویی، ۱۳۹۳)
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 :

  • ابراهیمی محمد، "استفاده از روشهای داده کاوی در تشخیص نفوذ ...
  • فضلی مقصودی حسن، حسین مومنی، " مقایسه و بررسی الگوریتم‌های ... (مقاله کنفرانسی)
  • نقش تکنیک های داده کاوی در سیستم های تشخیص نفوذ [مقاله کنفرانسی]
  • A. Mulay Snehal, Devale, Garje, "Intrusion Detection System using Support ...
  • Bloedornetal Eric, "Data Mining for Network Intrusion Detection: How to ...
  • Jha Jayshree, Leena Ragha, 'Intrusion Detection System using Support Vector ...
  • Khurram Shazhad Raja, Syed Imran Haider, Niklas Lavesson, ; Detection ...
  • Korashy Prof. Huda, Dr. Ayman M. B ahaa -Eldin, Hany ...
  • Kumar Dharminder, Suman, Nutan, " Anomaly Detection using Support Vector ...
  • Lapp asTheodoro S , Kon S tantino sPelechrinis , "Data ...
  • Mukkamala Srinivas, Andrew Sung" Intrusion Detection: Support Vector Machines and ...
  • Pei Jian, Shambhu J. Up adhyaya, FaisalFarooq, Venugo palGovindaraj u, ...
  • R. Webb Andrew, Keith D. Copsey, " S TATISTICAI PATTERN ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    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.