| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
سیاست تشخیص سو استفاده در شبکه های ارتباطی با مدل پنهان مارکوف |
| عنوان انگلیسی مقاله: |
Policy Misuse Detection in Communication Networks with Hidden Markov Models |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2014 |
| 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، مهندسی الگوریتم ها و محاسبات و معماری سیستم های کامپیوتری |
| مجله | چهارمین سمپوزیوم بین المللی مرز در محیط و سیستم های موبایل |
| دانشگاه | گروه BASKENT دانشگاه مهندسی کامپیوتر، دانشکده Baglica، ترکیه |
| کلمات کلیدی | سیاست سوء استفاده، مدل های پنهان مارکوف |
| شناسه شاپا یا ISSN | ISSN 1877-0509 |
| 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 | 8 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده 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. کار مربوطه
3. مدل های پنهان مارکوف برای تعیین اعتبار جریان سرور
4. آزمایشات و نتایج
5. استنتاج
- بخشی از ترجمه:
5. استنتاج
روش ما با دقت بالا برای تشخیص پروتکل ها کار می کند. اکثر اوقات، آموزش HMM ها ممکن است مشکل ساز باشد، از آنجاییکه همواره اطلاعات کافی وجود ندارد. ممکن است مسائل نادر داده ها بوجود آید و ممکن است HMM ها بصورت نامتعادل آموزش داده شوند. سعی می کنیم مدلها بجز پروتکل ورود به سیستم را بطور برابر آموزش دهیم. لازم است رفتار کاربر با پارامترهای بیشتری از اندازه بسته و مدت زمان مدلسازی شود. دسته بندی داده ها در بیش از دو بعد ممکن است باعث حفظ حالت ها برای HMM شود. رویکرد ما بر تشخیص نفوذ مبتنی بر شبکه تمرکز می کند. پیشنهاد متناوب دیگر ممکن است تشخیص نفوذهای مبتنی بر کامپیوتر باشد. ممکن است از برنامه های مختلف برای تشخیص جریان های بسته مبتنی بر ip استفاده شود. مدیر سیستم از این روش حمایت می کند زیرا ممکن است کاربران شماره های ip را تغییر دهند اگر خاموش کردن سیستم در دوره ای از زمان صورت گیرد و بعدا مجددا راه اندازی شود. ممکن است مدیر سیستم برای اتخاذ این مورد شماره های استاتیک ip را به هر کامپیوتر اختصاص دهد. روش ما تنها به تشخیص پروتکل از طریق داده های سطح اطلاعات محدود شده است. الگوهای حمله چندمرحله ای را نیز می توان با HMM تشخیص داد و روشهای آموزشی متعدد را می توان برای تشبیه کردن روند آموزشی HMM بسط داد.
- بخشی از مقاله انگلیسی:
5. Conclusion
Our approach worked in high accuracy for the detection of protocols. Most of the time, training HMMs may be problematic since there is not always enough information. Rare data problems may arise and HMMs may be trained unbalanced. We tried to train the models equally except login protocol. User behaviour needs to be modelled with more parameters than duration and packet size. Clustering the data in more than two dimensions may cause memorization of the cases for HMM. Our approach focuses on network based intrusion detection. Another alternative may be to detect intrusions computer based. Different threads may be used to detect ip based packet flows. This approach needs support by system administrator because users may change ip numbers if shut down happens in a period of time and restart later. System administrator may assign static ip numbers to each computer to pursue this case. Our approach is only restricted to protocol detection via information level data. Multistage attack patterns can also be detected with HMMs and multiple training methods can be developed for paralelizing HMM training procedure.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
سیاست تشخیص سو استفاده در شبکه های ارتباطی با مدل پنهان مارکوف |
| عنوان انگلیسی مقاله: |
Policy Misuse Detection in Communication Networks with Hidden Markov Models |
|
|