| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
داده کاوی فازی و الگوریتم‌های ژنتیکی به کار رفته در تشخیص نفوذ |
| عنوان انگلیسی مقاله: |
FUZZY DATA MINING AND GENETIC ALGORITHMS APPLIED TO INTRUSION DETECTION |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2000 |
| تعداد صفحات مقاله انگلیسی | 14 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر و مهندسی فناوری اطلاعات IT |
| گرایش های مرتبط با این مقاله | امنیت اطلاعات، اینترنت و شبکه های گسترده، هوش مصنوعی، مهندسی الگوریتم ها و محاسبات، سامانه های شبکه ای، داده کاوی و شبکه های کامپیوتر |
| مجله مربوطه | کنفرانس امنیت سیستم های اطلاعات ملی |
| دانشگاه تهیه کننده | گروه علوم کامپیوتر، دانشگاه ایالتی می سی سی پی |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت CiteSeerX |
| نشریه | CiteSeerX |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 15 صفحه |
| ترجمه عناوین تصاویر | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1- مقدمه
2- اهداف سیستم و معماری اولیه
3- تشخیص ناهنجاری از طریق داده کاوی فازی
1-3- منطق فازی
2-3- روش‌های داده‌کاوی
1-2-3- قوانین رابطه‌ای
2-2-3- قوانین رابطۀ فازی
3-2-3- بخش‌های متوالی
4-2-3- بخش‌های متوالی فازی
4- مولفه‌های تشخیص استفادۀ نابجا
5- الگوریتم‌های ژنتیک
6- خلاصه و پژوهش آتی
- بخشی از ترجمه:
6- خلاصه و پژوهش آتی
ما روش‌های داده‌کاوی را با منطق فازی ترکیب کردیم تا روش‌های جدیدی را برای تشخیص نفوذ ارائه نماییم. معماری سیستم ما امکان می‌دهد تا از مولفه‌های تشخیص نفوذ ناهنجاری و استفادۀ نابجا در هر دو سطح ایستگاههای کاری فردی و شبکه‌ای پشتیبانی کنیم. قوانین فازی و غیرفازی، هر دو با این سیستم پشتیبانی شده‌اند. ما همچنین از الگوریتم‌های ژنتیک برای سازگاری توابع عضویت با متغیرهای فازی مورد استفاده از طریق سیستم خود بهره گرفتیم و موثرترین مجموعۀ ویژگی‌ها را برای انواع نفوذهای خاص انتخاب کردیم.
در حال حاضر در حال ساخت مولفه‌های تشخیص استفادۀ نابجا، ماژول تصمیم، مولفه‌های یادگیری ماشینی دیگر و واسط کاربر گرافیکی برای سیستم هستیم. همچنین راه حل‌های احتمالی برای مسئلۀ رویایی با «انحراف» در رفتار نرمال در دست بررسی است. ما بر آنیم تا این سیستم را برای کار در محیط محاسباتی خوشۀ با کارآیی بالا گسترش دهیم.
- بخشی از مقاله انگلیسی:
6. Summary and Future Work
We have integrated data mining techniques with fuzzy logic to provide new techniques for intrusion detection. Our system architecture allows us to support both anomaly detection and misuse detection components at both the individual workstation level and at the network level. Both fuzzy and non-fuzzy rules are supported within the system. We have also used genetic algorithms to tune the membership functions for the fuzzy variables used by our system to and select the most effective set of features for particular types of intrusions. We are currently building misuse detection components, the decision module, additional machine learning components, and a graphical user interface for the system. Also under investigation, are possible solutions to the problem of dealing with “drift” in normal behavior. We plan to extend this system to operate in a high performance cluster computing environment.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
داده کاوی فازی و الگوریتم‌های ژنتیکی به کار رفته در تشخیص نفوذ |
| عنوان انگلیسی مقاله: |
FUZZY DATA MINING AND GENETIC ALGORITHMS APPLIED TO INTRUSION DETECTION |
|
|