ترجمه مقاله سیستم تشخیص نفوذ مبتنی بر بیزی - نشریه الزویر

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

سیستم تشخیص نفوذ مبتنی بر بیزی

عنوان انگلیسی

Bayesian based intrusion detection system

صفحات مقاله فارسی

13

صفحات مقاله انگلیسی

6

سال انتشار

2012

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

5438

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

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

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

نمونه چکیده متن اصلی انگلیسی

1. Introduction

As network attacks have increased in number and severity over the past few years, Intrusion Detection Systems (IDSs) have become a necessary addition to the security infrastructure of most organizations. These systems are software or hardware schemes that automate the process of monitoring events that occur in a computer system or network and analyzing them for signs of security problems (Crothers, 2003; Bace and Mell, 2001). Deploying highly effective IDS systems is extremely challenging. For instance until an IDS is properly tuned to a specific environment, there will be thousands of alerts generated daily. Although most of these alerts are incorrect and thus are false alerts, it is not obvious whether the alert is positive or negative until they have been investigated. There have been many techniques proposed to lessen these false alerts and improve the performance of the system. Agarwal and Joshi (2000) used a two-stage general-to specific framework for learning a rule-based model (PNrule). This model can classify models of a data set that has widely different class distributions in the training data set. Levin (2000) used a data-mining tool for classification of data and prediction of new cases using automatically generated decision trees. In this paper will show that the use of Bayesian probability is very promising in reducing the false positive alert rate. Bayesian probability is an interpretation of the probability calculus which holds that the concept of a probability can be defined as the degree to which a person (or community) believes that proposition is true. Currently Bayesian theory is used in email spam-filters (Grapham, 2004; Issac et al., 2009; Alkabani et al., 2006), Speech recognition (Chien et al., 2006), Pattern Recognition (Shi and Manduchi, 2003), and Intrusion Detection (Kruegel et al., 2003; Cemerlic et al., 2008; Mehdi et al., 2007).

نمونه چکیده ترجمه متن فارسی

1. مقدمه
با توجه به اینکه تعداد و شدت حملات شبکه در طی چند سال گذشته افزایش یافته است، ضروریست که سیستم های تشخیص نفوذ (IDS) به زیرساخت های امنیت اکثر سازمان ها اضافه شوند. این سیستم ها طرح های نرم افزاری یا سخت افزاری هستند که فرایند نظارت بر فعالیت هایی که در سیستم کامپیوتری یا شبکه رخ می دهند را مکانیزه می کنند و آنها را بجهت نشانه های مشکلات امنیتی تحلیل می کنند. (Crothers, 2003; Bace & Mell, 2001) استقرار سیستم های بسیار موثر IDS بسیار چالش برانگیز است. به عنوان مثال تا زمانی که یک IDS به درستی در یک محیط خاص تنظیم شود، روزانه هزاران هشدار تولید می شود. هرچند بیشتر این هشدارها نادرست هستند و در نتیجه هشدارهای کاذب هستند، تا زمان بررسی هشدارها بدیهی نیست که مثبت هستند یا منفی. تکنیک های بسیاری برای کاهش این هشدار های کاذب و بهبود عملکرد سیستم پیشنهاد شده است. آگاروال و جوشی (2000) از چارچوب دو مرحله ای عمومی- خاص برای یادگیری مدل مبتنی بر قواعد (PNrule) استفاده کرده اند. این مدل می تواند مدل های یک مجموعه داده را طبقه بندی کند که بطور گسترده توزیع های مختلف کلاس در مجموعه داده آموزش دارند. لوین (2000) از یک ابزار داده کاوی برای طبقه بندی داده ها و پیش بینی موارد جدید با استفاده از درخت های تصمیم گیری که به طور خودکار بوجود می آیند، استفاده می کند. در این مقاله نشان داده می شود که کاربرد احتمال بیزی در کاهش میزان هشدار مثبت کاذب بسیار محتمل است.
احتمال بیزی تفسیری از جبر احتمال است که مدعی است مفهوم احتمال را می توان بعنوان درجه ای تعریف کرد که در آن فرد (یا جامعه) معتقد است گزاره درست است. در حال حاضر نظریه بیزی در فیلترهای اسپم ایمیل(Grapham,2004; Issac 2009; Alkabani et al., 2006) ، تشخیص گفتار (Chien et al., 2006)، تشخیص الگو (Si & Manduchi, 2003) و تشخیص نفوذ (Kruegel et al., 2003; Cemerlic et al.,2008; Mehdi et al., 2007) مورد استفاده قرار می گیرد.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی فناوری اطلاعات IT، دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر