تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

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

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
تعداد صفحات مقاله انگلیسی : 10 تعداد صفحات ترجمه فارسی : 14 (شامل 2 صفحه رفرنس انگلیسی)
سال انتشار : 2015 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 : ترجمه شده و آماده دانلود
محتوای فایل : zip حجم فایل : 1.87Mb
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
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: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.procs.2015.07.490
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
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 متن 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 متن ترجمه

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.