دانلود ترجمه مقاله تشخیص نفوذ با شبکه عصبی مصنوعی و خوشه بندی فازی – مجله الزویر

• فهرست مطالب:

چکیده
۱- مقدمه
۲- فعالیت‌های مربوط به IDS
۳- چارچوب FC-ANN
۱-۳- چارچوب IDS مبتنی بر خوشه بندی فازی و ANN
۲-۳- ماژول خوشه‌بندي فازي
۳-۳- ماژول ANN
۴-۳- ماژول تجمع فازي
۴- آزمايشات و نتايج
۱-۴- آماده‌سازي داده
۲-۴- معيار ارزيابي
۳-۴- نتايج و مباحث
۵- نتايج و جهت‌گيري‌هاي آتي

• بخشی از ترجمه:

۵- نتايج و جهت‌گيري‌هاي آتي
پيشگيري از نقض امنيت به طور کامل با استفاده از فن‌آوري‌هاي امنيتي فعلي امکان‌ناپذير است. در نتيجه، تخشخيص نفوذ مولفه‌اي مهم در امنيت شبکه محسوب مي‌شود. IDS مزاياي بالقوه‌اي از کاهش نيروي انساني مورد نياز در پايش، افزايش کارآيي تشخيص ارائه نموده است که منتج به ارائه داده‌هايي مي‌شود تا به جامعه امنيت اطلاعات در راستاي يادگيري آسيب‌پذيري‌هاي جديد و ارائه شواهد قانوني کمک کند.
در اين مقاله، رويکرد تشخيص نفوذ جديدي موسوم به FC-ANN را بر اساس خوشه بندي فازي و ANN پيشنهاد نموديم. از طريق تکنيک خوشه‌بندي فازي، مجموعه آموزشي غيريکنواخت به چندين زيرمجموعه يکنواخت تقسيم شد. بنابراين، پيچيدگي هر زيرمجموعه آموزشي کاهش يافته و در نتيجه عملکرد تشخيص افزايش مي‌يابد. نتايج تجربي با استفاده از مجموعه داده KDD CUP 1999، اثربخشي رويکرد جديد ما را به ويژه براي حملات با تناوب کمتر مانند R2L و U2R برحسب دقت تشخيص و پايداري تشخيص نشان داده است. در تحقيقات آتي، به نحوه تعيين تعداد مناسب خوشه‌ها در يک مسئله مي‌پردازيم. علاوه بر اين، ساير تکنيک‌هاي داده کاوي مانند ماشين بردار حامي، محاسبات تکاملي، تشخيص برون‌هشتگي مي‌تواند از طريق IDS معرفي شود. مقايسه تکنيک‌هاي داده کاوي مختلف راهنمايي‌هايي براي ايجاد ANN هيبريدي کارآ براي تشخيص نفوذها فراهم خواهد آورد.

• بخشی از مقاله انگلیسی:

۵٫ Conclusions and future directions

Prevention of security breaches completely using the existing security technologies is unrealistic. As a result, intrusion detection is an important component in network security. IDS offers the potential advantages of reducing the manpower needed in monitoring, increasing detection efficiency, providing data that would otherwise not be available, helping the information security community learn about new vulnerabilities and providing legal evidence. In this paper, we propose a new intrusion detection approach, called FC-ANN, based on ANN and fuzzy clustering. Through fuzzy clustering technique, the heterogeneous training set is divided to several homogenous subsets. Thus complexity of each sub training set is reduced and consequently the detection performance is increased. The experimental results using the KDD CUP 1999 dataset demonstrates the effectiveness of our new approach especially for low-frequent attacks, i.e., R2L and U2R attacks in terms of detection precision and detection stability. In future research, how to determine the appropriate number of clustering remains an open problem. Moreover, other data mining techniques, such as support vector machine, evolutionary computing, outlier detection, may be introduced into IDS. Comparisons of various data mining techniques will provide clues for constructing more effective hybrid ANN for detection intrusions.

 دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله