ترجمه مقاله آنالیز مشخصه های مجموعه داده KDD مبتنی بر کلاس برای تشخیص نفوذ - نشریه الزویر

ترجمه مقاله آنالیز مشخصه های مجموعه داده KDD مبتنی بر کلاس برای تشخیص نفوذ - نشریه الزویر
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
آنالیز مشخصه های مجموعه داده KDD مبتنی بر کلاس برای تشخیص نفوذ
عنوان انگلیسی
Analysis of KDD Dataset Attributes - Class wise For Intrusion Detection
صفحات مقاله فارسی
14
صفحات مقاله انگلیسی
10
سال انتشار
2015
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده و pdf
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
شناسه ISSN مجله
1877-0509
کد محصول
9703
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
درج نشده است ☓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مهندسی کامپیوتر، امنیت اطلاعات، مهندسی الگوریتم ها و محاسبات
مجله
سومین کنفرانس بین المللی روند اخیر در محاسبات - 3rd International Conference on Recent Trends in Computing
دانشگاه
دانشکده فنی و مهندسی، دانشگاه انصال، هند
کلمات کلیدی
تشخیص نفوذ، KDD، کلاس های مشخصه، نرخ آلارم اشتباه، نرخ تشخیص
کلمات کلیدی انگلیسی
Intrusion Detection - KDD - Attribute classes - False Alarm Rate - Detection Rate
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.procs.2015.07.490
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
1. 1 مجموعه داده KDD
2. 1 هدف
3. 1 کارهای مرتبط
2. راه اندازی آزمایش
1. 2 روش تحقیق
2. 2 Weka
3. 2 طبقه بند استفاده شده
4. 2 متریک ها
3. نتایج شبیه سازی
4. بحث
5. نتیجه گیری
ضمیمه A
منابع
نمونه چکیده متن اصلی انگلیسی
Abstract

The KDD data set is a well known benchmark in the research of Intrusion Detection techniques. A lot of work is going on for the improvement of intrusion detection strategies while the research on the data used for training and testing the detection model is equally of prime concern because better data quality can improve offline intrusion detection. This paper presents the analysis of KDD data set with respect to four classes which are Basic, Content, Traffic and Host in which all data attributes can be categorized. The analysis is done with respect to two prominent evaluation metrics, Detection Rate (DR) and False Alarm Rate (FAR) for an Intrusion Detection System (IDS). As a result of this empirical analysis on the data set, the contribution of each of four classes of attributes on DR and FAR is shown which can help enhance the suitability of data set to achieve maximum DR with minimum FAR.

نمونه چکیده ترجمه متن فارسی
چکیده
در تحقیق راجع به تکنیک های تشخیص نفوذ، مجموعه داده KDD به عنوان یک محک و معیار معروف، شناخته شده است. درراستای بهبود استراتژیهای تشخیص نفوذ، کارهای زیادی در حال انجام است، در حالیکه تحقیق پیرامون داده های استفاده شده جهت آموزش و آزمایش مدل تشخیص، به یک اندازه اهمیت دارد، زیرا کیفیت بهتر داده ها، تشخیص نفوذ برون خطی (آفلاین) را بهبود می بخشد. در این مقاله، مجموعه داده KDD با توجه به چهار کلاس پایه، محتوا، ترافیک و میزبان مورد آنالیز قرار می گیرد، که همه مشخصه های داده ها را می توان در آنها طبقه بندی نمود. آنالیز با توجه به دو متریک ارزیابی مهم یعنی نرخ تشخیص (DR) و نرخ آلارم اشتباه (FAR) برای سیستم تشخیص نفوذ (IDS) انجام شده است. در نتیجه این آنالیز تجربی روی مجموعه داده، سهم هر یک از چهار کلاس مشخصه ها در DR و FAR نشان داده شده است، که به بهبود تناسب مجموعه داده جهت نیل به ماکزیمم DR با مینیموم FAR کمک می نماید.

بدون دیدگاه