دانلود مقاله ترجمه شده سیستم تشخیص نفوذ شبکه با استفاده از طبقه بندی رفتار حمله – IEEE 2014

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۴
تعداد صفحات مقاله انگلیسی	۶صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله	امنیت اطلاعات، شبکه های کامپیوتری، رایانش امن و مهندسی الگوریتم ها و محاسبات
مجله	پنجمین کنفرانس بین المللی سیستم های اطلاعاتی و ارتباطی
دانشگاه	گروه مهندسی کامپیوتر، دانشگاه علم و صنعت اردن
کلمات کلیدی	سيستم های تشخيص نفوذ، حمله پروب شبكه، پاکسازی ميزبان، اسكن پورت، شبكه عصبی TDNN
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

• فهرست مطالب:

چكيده

۱ . مقدمه

۲ . پروب‌هاي شبكه

A . حملات پاكسازي ميزبان

B . حملات اسكن پورت

۳ . سيستم تشخيص نفوذ شبكه با استفاده از طبقه بندي رفتار حمله

A . پيش‌پردازنده‌ي پاكسازي ميزبان

B . پيش‌پردازشگر اسكن پورت

C . شبكه هاي عصبي تشخيص الگو

D . شبكه عصبي تشخيص الگوي پاكسازي ميزبان

E‌ . شبكه‌ عصبي طبقه بندي

۴ . نتايج

۵ . نتيجه گيري

• بخشی از ترجمه:

۵ . نتيجه گيري

تشخيص نفوذ مسئله ‌ي مهمی است كه توجه زيادي را در شبكه هاي كامپيوتري به خود جلب كرده است. اين مقاله از شبكه‌ي عصبي TDDNN براي تشخيص رفتار زماني حملات شبكه استفاده مي‌كند. سيستم ما بسته‌ها را به صورت بلادرنگ و با استفاده از يك موتور دريافت بسته دريافت مي‌كند كه بسته ها را با استفاده از دو لوله به يك مرحله‌ي پيش پردازش ارائه مي‌دهد. مرحله‌ي پيش پردازش، ويژگي هاي مربوطه را براي حملات اسكن پورت و پاكسازي ميزبان استخراج مي‌كند، ويژگي ها را در يك خط شنود يك TDNN ذخيره مي كند و خروجي هايي را توليد مي كند كه بيانگر رفتارهاي احتمالي حمله در تعداد از پيش‌تعيين‌شده‌اي از بسته ها هستند. اين خروجي‌ها توسط شبكه هاي عصبي تشخيص الگو براي تشخيص حملات مورد استفاده قرار مي گيرند، كه توسط شبكه‌ي طبقه‌بندي‌كننده طبقه‌بندي مي شوند تا هشدارهاي حمله را توليد نمايند. از مجموعه داده‌هاي DARPA براي ارزيابي سيستم‌ها از نظر راندمان و قابليت تشخيص استفاده مي‌گردد. نتايج تست نشان مي‌دهند كه سيستم ما تمام انواع حملات را بسيار سريع‌تر از سيستم‌هاي مبتني بر قانون مثل SNORT تشخيص مي‌دهد.

• بخشی از مقاله انگلیسی:

V. CONCLUSIONS

Intrusion detection is an important issue that has received a lot of attention in computer networks. This paper uses TDDNN neural network to recognize the temporal behavior of network attacks. Our system captures packets in real time using a packet capture engine that presents the packets to a preprocessing stage using two pipes. The preprocessing stage extracts the relevant features for port scan and host sweep attacks, stores the features in a tapped line of a TDNN, and produces outputs that represent possible attack behaviors in a pre-specified number of packets. These outputs are used by the pattern recognition neural networks to recognize the attacks, which are classified, by the classifier network to generate attack alerts. DARPA data sets are used to evaluate the systems in terms of recognition capability and throughput. Test results show that our system detects all types of attacks much faster than rulebased systems such as SNORT.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد