دانلود ترجمه مقاله بررسی مدل مخفی مارکوف و ماشین بردار پشتیبان در تشخیص نفوذ ناهنجاری

عنوان فارسی: | مطالعه تطبیقی مدل مخفی مارکوف و ماشین بردار پشتیبان در تشخیص نفوذ آنومالی |
عنوان انگلیسی: | A Comparative Study of Hidden Markov Model and Support Vector Machine in Anomaly Intrusion Detection |
تعداد صفحات مقاله انگلیسی : 9 | تعداد صفحات ترجمه فارسی : 23 |
سال انتشار : 2013 | نشریه : infonomics society |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 4192 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 1.87Mb |
رشته های مرتبط با این مقاله: مهندسی کامپیوتر و مهندسی فناوری اطلاعات |
گرایش های مرتبط با این مقاله: اینترنت و شبکه های گسترده، شبکه های کامپیوتری، رایانش امن و امنیت اطلاعات |
مجله: ژورنال علمی پژوهشی فناوری اینترنت و تراکنش امن |
دانشگاه: دانشگاه هرتفوردشایر، هتفیلد، انگلستان |
کلمات کلیدی: مدل مخفی مارکو، ماشین بردار پشتیبان، سرویس های TCP تمیزدادنی، تشخیص نفوذ آنومالی |
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 |
چکیده
۱ مقدمه
۲ مدل مخفی مارکو
۳ ماشین بردار پشتیبان
۴ روش
۱ ۴ کاربرد HMM در تشخیص نفوذ آنومالی
۱ ۱ ۴ انتخاب ویژگی و طبقه بندی مقادیر
۲ ۱ ۴ روش های آموزش و ارزیابی
۵ آزمایشات و نتایج
۶ نتایج
Abstract
This paper aims to analyse the performance of Hidden Markov Model (HMM) and Support Vector Machine (SVM) for anomaly intrusion detection. These techniques discriminate between normal and abnormal behaviour of network traffic. The specific focus of this study is to investigate and identify distinguishable TCP services that comprise of both normal and abnormal types of TCP packets, using J48 decision tree algorithm. The publicly available KDD Cup 1999 dataset has been used in training and evaluation of such techniques. Experimental results demonstrate that the HMM is able to classify network traffic with approximately 76% to 99% accuracy while SVM classifies it with approximately 80% to 99% accuracy
چکیده
هدف مقاله حاضر تجزیه و تحلیل عملکرد مدل مخفی مارکو (HMM) ماشین بردار پشتیبان (SVM) برای تشخیص نفوذ آنومالی می باشد. این تکنیک ها بین رفتار عادی و غیر عادی ترافیک شبکه تمایز قایل می شوند. مطالعه حاضر بر تحقیق و پژوهش و شناسایی سرویس های TCP تمیزدادنی مرکب از تیپ های عادی و غیر عادی بسته های TCP با استفاده از الگوریتم درخت تصمیم J48 تاکید می کند. مجموعه داده موجود در سطح عمومی در آموزش و ارزیابی چنین تکنیک هایی بکاربرده شده است. نتایج آزمایش نشان می دهد HMM توانایی طبقه بندی ترافیک شبکه با صحت تقریباً 76 تا 99 درصد را دارد، در حالیکه SVM آن را با صحت تقریباً 80 تا 99 درصدطبقه بندی می کند.
اگر مایل به تهیه نسخه پاورپوینت مقاله مطالعه تطبیقی مدل مخفی مارکوف و ماشین بردار پشتیبان در تشخیص نفوذ آنومالی هستید اینجا کلیک نمایید. همچنین برای خرید مقاله ورد از دکمه های زیر استفاده نمایید.