| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
سیستم تشخیص نفوذ مبتنی بر بیزی |
| عنوان انگلیسی مقاله: |
Bayesian based intrusion detection system |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2012 |
| تعداد صفحات مقاله انگلیسی | 6 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، امنیت اطلاعات و مهندسی الگوریتم ها ومحاسبات |
| مجله | مجله دانشگاه King Saud- کامپیوتر و علوم اطلاعات |
| دانشگاه | گروه مهندسی کامپیوتر، دانشگاه ملک سعود، عربستان سعودی |
| کلمات کلیدی | سیستم تشخیص نفوذ ،(IDS)، فیلتر بیزی، 99 KDD |
| شناسه شاپا یا ISSN | ISSN 1319-1578 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 13 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول 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. نظریه بیزی
3. مجموعه داده KDD-99
4. فیلتر بیزی
1-4: موتور آموزش
2-4 موتور آزمایش
5. ترتیبات آزمایشی
1-5 داده های آموزشی
2-5 ویژگی ها
3-5 آستانه
6. نتایج
1-6 آزمایش 1: استفاده از تمام رکوردهای حمله و رکوردهای نرمال (بدون حمله)
2-6: آزمایش 2: با استفاده از رکوردهای DOS و رکوردهای نرمال (بدون حمله)
3-6 آزمایش 3: با استفاده از رکوردهای Probing (کاوش) و رکوردهای نرمال
4-6: استفاده از رکوردهای نرمال و رکوردهای U2R
5-6 آزمایش 5: با استفاده از رکوردهای نرمال و رکوردهای L2R
7. استنتاج
- بخشی از ترجمه:
7. استنتاج
از آنجاییکه هدف این پژوهش اصلاح دقت حمله R2L با استفاده از روشهای بیزی است، در دستیابی به هدف خود با استفاده از روش بیزی بعنوان موتوری برای دسته بندی داده ها موفق شده ایم. به نتایج عالی Chou در تز دکترایش نائل می شویم (Chou, 2007) که در آن وی به DR با 69.82% برای R2L دست یافته است. نتایج پژوهش ما نشان می دهد که می توانیم نتایج بهتری برای حمله R2L با DR ، 85.35% با استفاده از سه ویژگی: 23، 24 و 31 و مقدار آستانه 0.6 داشته باشیم. با این وجود، CR که برابر با 76.69% است در مقایسه با نتیجه Chou پایین است زیرا از یک مقدار آستانه پایین استفاده کرده ایم که دقت تشخیص رکوردهای نرمال (TN) را کاهش می دهد اما DR را برای حمله R2L افزایش می دهد.
به منظور بهبود دقت یک سیستم IDS نشان می دهیم که باید از چندین فیلتر بیزی به صورت موازی با هر فیلتر بهینه سازی شده برای تشخیص یک نوع رکورد استفاده کنیم؛ این می تواند موضوع خوبی برای تحقیقات بیشتر در این زمینه باشد.
- بخشی از مقاله انگلیسی:
7. Conclusions
Since the goal of this research was to improve the accuracy of the R2L attack using Bayesian methods, we have succeeded in achieving our target by using the Bayesian method as an engine to classify the data accordingly. We achieve results superior to Chou in his PhD dissertation (Chou, 2007), where he achieved a DR of 69.82% for the R2L. Our research results show that we could have better results for R2L attack with a DR of 85.35% by using the three features: 23, 24 and 31 and a threshold value of 0.6. However, the CR which equals 76.69% is considered low comparing to Chou result because we used a low threshold value which reduces the accuracy of detection of normal records (TN) but increases the DR for R2L attack. To improve the accuracy of an IDS system we propose that we should use several Bayesian filters in parallel with each filter optimized to detect one type of record; this can be a good subject for further research in this field.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
سیستم تشخیص نفوذ مبتنی بر بیزی |
| عنوان انگلیسی مقاله: |
Bayesian based intrusion detection system |
|
|