دانلود ترجمه مقاله سیستم تشخیص نفوذ شبکه با استفاده از منطق فازی

Translation3

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

سیستم تشخیص نفوذ شبکه با استفاده از منطق فازی

عنوان انگلیسی مقاله:

NETWORK INTRUSION DETECTION SYSTEM USING FUZZY LOGIC

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
تعداد صفحات مقاله انگلیسی ۱۱ صفحه با فرمت pdf
رشته های مرتبط با این مقاله  مهندسی کامپیوتر و مهندسی فناوری اطلاعات IT
گرایش های مرتبط با این مقاله  شبکه های کامپیوتری، مهندسی الگوریتم ها و محاسبات، امنیت اطلاعات و اینترنت و شبکه های گسترده
مجله مربوطه  مجله هندی علوم و مهندسی کامپیوتر
دانشگاه تهیه کننده  گروه علوم کامپیوتر، کالج هنر و علوم PSG، هند
کلمات کلیدی این مقاله  سیستم تشخیص نفوذ (IDS)، تشخیص نفوذ مبتنی بر ناهنجاری، منطق فازی، یادگیری قانون، پایگاه دادۀ KDD Cup 99
رفرنس دارد
نشریه  IJCSE

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۱۷ صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه نشده است
ترجمه پاورقی ترجمه شده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است

 


  • فهرست مطالب:

 

چکیده
۱- مقدمه
تشخیص استفادۀ نابجا
۲- پایگاه دادۀ KDD CUP 99
۳- سیستم تشخیص نفوذ شبکه با استفاده از منطق فازی
۱-۳- طبقه‌بندی دادۀ آموزشی
۲-۳- راهبرد تولید قوانین فازی
(الف) کاوش آیتم‌های متوالی با طول واحد
(ب) شناسایی ویژگی‌های مناسب تولید قوانین
(ج) تدوین قانون
(د) فیلتر قانون
(هـ) تدوین قوانین فازی
۳-۳- ماژول تصمیم فازی
۴-۳- یافتن طبقه‌بندی مناسب برای درونداد آزمون
۴- آزمایش
۱-۴- نتایج تجربی و تحلیل عملکرد
۵- نتیجه‌گیری


  • بخشی از ترجمه:

۵- نتیجه‌گیری
ما سیستم تشخیص نفوذ مبتنی بر ناهنجاری را در تشخیص رفتار نفوذی درون شبکه تدوین کردیم. ماژول تصمیم‌گیری فازی برای ایجاد سیستمی با دقت بیشتر در شناسایی حملات طراحی با استفاده از رویکرد استنتاجی فازی طراحی شده بود. مجموعۀ کارآمدی از قوانین فازی برای رویکرد استنتاجی به طور خودکار با استفاده از راهبرد یادگیری قوانین فازی شناسایی شد که در شناسایی نفوذ شبکۀ رایانه‌ای بسیار موثرتر بود. در مرحلۀ اول، قوانین قطعی از طریق کاوش آیتم‌های متوالی با طول واحد از دادۀ مهاجم و نیز دادۀ عادی تولید شد. سپس، قوانین فازی از طریق فازی نمودن قوانین قطعی شناسایی شده و این قوانین به سیستم فازی اختصاص یافتند که در آن دادۀ آزمون طبقه‌بندی شد. ما از پایگاه دادۀ KDD Cup 99 برای ارزیابی عملکرد سیستم پیشنهادی استفاده کردیم و نتایج آزمایش حاکی از آن بود که روش پیشنهادی در تشخیص نفوذهای مختلف شبکه‌های رایانه ای کارآمد بوده است.


  • بخشی از مقاله انگلیسی:

۵٫ CONCLUSION We have developed an anomaly based intrusion detection system in detecting the intrusion behavior within a network. A fuzzy decision-making module was designed to build the system more accurate for attack detection, using the fuzzy inference approach. An effective set of fuzzy rules for inference approach were identified automatically by making use of the fuzzy rule learning strategy, which are more effective for detecting intrusion in a computer network. At first, the definite rules were generated by mining the single length frequent items from attack data as well as normal data. Then, fuzzy rules were identified by fuzzifying the definite rules and these rules were given to fuzzy system, which classify the test data. We have used KDD cup 99 dataset for evaluating the performance of the proposed system and experimentation results showed that the proposed method is effective in detecting various intrusions in computer networks.


 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

سیستم تشخیص نفوذ شبکه با استفاده از منطق فازی

عنوان انگلیسی مقاله:

NETWORK INTRUSION DETECTION SYSTEM USING FUZZY LOGIC

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

 

خرید ترجمه فارسی مقاله

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *