ترجمه مقاله بررسی قوانین آماری برای شناسایی نفوذ به شبکه - نشریه الزویر

قیمت خرید این محصول

۴۶,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

بررسی قوانین آماری برای شناسایی نفوذ به شبکه

عنوان انگلیسی

Evolving statistical rulesets for network intrusion detection

صفحات مقاله فارسی

32

صفحات مقاله انگلیسی

12

سال انتشار

2015

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

4915

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

گرایش های مرتبط با این مقاله

مهندسی نرم افزار، امنیت اطلاعات، شبکه های کامپیوتری و هوش مصنوعی

مجله

کاربردهای محاسبات نرم

دانشگاه

دانشکده علوم کامپیوتر و امنیت، دانشگاه ادیت کوان، استرالیا

کلمات کلیدی

تشخیص نفوذ، DARPA ،NSL-KDD، الگوریتم ژنتیک، Interval rule-based

فهرست مطالب

1- مقدمه
2- کارهای مرتبط
3- روش GA-based پیشنهاد شده
3-1- نمایش افراد
3-1-1- روش Michigan در مقابل Pittsburgh
3-2- تابع برازندگی و تابع عملکرد
3-3- انتخاب نخبه گرای تطبیقی
4- عملکرد الگوریتم و تنظیم آن
4-1- تنظیم با استفاده از یک مسئله ترکیبی با اندازه متوسط
4-2- ارزیابی الگوریتم پیشنهادی بر داده ترکیبی پیچیده
5- استفاده از روش پیشنهاد شده در شناسایی نفوذ شبکه
5-1- انتخاب مجموعه داده
5-2- مشخصه های استخراج شده از مجموعه داده NSL-KDD و DARPA/CAIDA
5-3- مباحثه
6- نتایج و کارهای آتی

نمونه چکیده متن اصلی انگلیسی

abstract

Security threats against computer networks and the Internet have emerged as a major and increasing area of concern for end-users trying to protect their valuable information and resources from intrusive attacks. Due to the amount of data to be analysed and the similarities between attack and normal traffic patterns, intrusion detection is considered a complex real world problem. In this paper, we propose a solution that uses a genetic algorithm to evolve a set of simple, interval-based rules based on statistical, continuous-valued input data. Several innovations inthe genetic algorithmwork to keep the ruleset small. We first tune the proposed system using a synthetic data. We then evaluate our system against more complex synthetic data with characteristics associated with network intrusions,the NSL-KDD benchmark dataset, and another dataset constructed based on MIT Lincoln Laboratory normaltraffic and the low-rate DDoS attack scenario from CAIDA. This new approach provides a very compact set of simple, humanreadable rules with strongly competitive detection performance in comparison to other machine learning techniques.

نمونه چکیده ترجمه متن فارسی

چکیده

خطرات امنیتی در شبکه های کامپیوتری و اینترنت به عنوان یک مسئله اساسی و رو به رشد برای کاربران نهایی که تلاش می کنند اطلاعات با ارزش و منابع خود را از حمله های نفوذی حفاظت کنند، پدیدار شده است. به علت مقدار اطلاعاتی که باید تحلیل شود و شباهت بین حمله و الگوهای نرمال ترافیک، شناسایی نفوذ یک مسئله پیچیده real worldدر نظر گرفته می شود. در این مقاله یک راه حل پیشنهاد می دهیم که از الگوریتم ژنتیک در بررسی یک مجموعه از قوانین ساده interval-based بر اساس داده ورودی مقدار پیوسته آماری استفاده می کند. چند ابتکار در الگوریتم ژنتیک برای کم کردن مجموعه قوانین به کار گرفته می شود. ابتدا سیستم پیشنهادی را با استفاده از یک داده ترکیبی تنظیم می کنیم. سپس سیستم را در داده های ترکیبی پیچیده تری ارزیابی می کنیم با مشخصات مربوط به نفوذ شبکه، ارزیابی مجموعه داده NSL-KDD و مجموعه داده های دیگر که بر اساس MIT Lincoln Laboratory ترافیک نرمال و سناریو حمله DDOS Low-rateساخته شده اند. این روش جدید مجموعه خیلی فشرده از قوانین ساده و خوانا برای انسان با عملکرد شناسایی رقابتی قوی در مقایسه با سایر روش های فراگیری ماشین فراهم می آورد.

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