ترجمه مقاله طرح تشخیص نفوذ ناهنجاری مبتنی بر برنامه با ابزار تشخیص چندگانه و استنباط فازی - نشریه الزویر

ترجمه مقاله طرح تشخیص نفوذ ناهنجاری مبتنی بر برنامه با ابزار تشخیص چندگانه و استنباط فازی - نشریه الزویر
قیمت خرید این محصول
۳۹,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
طرح تشخیص نفوذ ناهنجاری مبتنی بر برنامه با استفاده از ابزارهای تشخیص چندگانه و استنباط فازی
عنوان انگلیسی
A program-based anomaly intrusion detection scheme using multiple detection engines and fuzzy inference
صفحات مقاله فارسی
27
صفحات مقاله انگلیسی
10
سال انتشار
2009
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5569
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 فناوری اطلاعات و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
امنیت اطلاعات، رایانش امن، شبکه های کامپیوتری و مهندسی نرم افزار
مجله
مجله برنامه های کاربردی شبکه و کامپیوتر
دانشگاه
گروه علوم کامپیوتر، هانوی، ویتنام
کلمات کلیدی
تشخیص نفوذ ناهنجاری، منطق فازی، تشخیص نفوذ برنامه، مدل مخفی مارکو، ابزارهای تشخص چندگانه
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1.مقدمه
2.آموزش فزاینده HMM با بهینه‌سازی اولیه
1-2- مقدمات الگوی مارکو پنهانی
2-2- قالب بندی بهینه پارامترهای HMM برای آموزش HMM
3-2- آموزش افزاینده HMM
3- طرح تشخيص ناهنجاري برنامه فازي محور پيشنهادي
1-3- طرح تشخيص فازي محور پيشنهادي
2-3- استنتاج فازي براي طبقه‌بندي توالي
1-2-3- ايجاد قوانين و مجموعه‌هاي فازي
1-1-2-3- ايجاد مجموعه‌هاي فازي.
2-1-2-3- ايجاد قوانين فازي
2-2-3- طبقه‌بندي توالي با استفاده از استدلال فازي
4-نتايج تجربي و مباحث
1-4- مجموعه داده
2-4- طراحي تجربي
3-4- نتایج تجربی
1-3-4- کاهش هزینه آموزش HMM
2-3-4- طیف مثبت کاذب
3-3-4- سیگنال‌های ناهنجاری و طیف شناسایی
4-4- مباحث
5- نتایج و فعالیت‌های آتی
نمونه چکیده متن اصلی انگلیسی
Abstract

In this paper, a hybrid anomaly intrusion detection scheme using program system calls is proposed. In this scheme, a hidden Markov model (HMM) detection engine and a normal database detection engine have been combined to utilise their respective advantages. A fuzzy-based inference mechanism is used to infer a soft boundary between anomalous and normal behaviour, which is otherwise very difficult to determine when they overlap or are very close. To address the challenging issue of high cost in HMM training, an incremental HMM training with optimal initialization of HMM parameters is suggested. Experimental results show that the proposed fuzzy-based detection scheme can reduce false positive alarms by 48%, compared to the single normal database detection scheme. Our HMM incremental training with the optimal initialization produced a significant improvement in terms of training time and storage as well. The HMM training time was reduced by four times and the memory requirement was also reduced significantly.

نمونه چکیده ترجمه متن فارسی
چکیده
در این مقاله، طرح تشخیص نفوذ ناهنجاری ترکیبی با استفاده از فرمان‌های سیستمی برنامه پیشنهاد شده است. در این طرح، ابزار تشخیص مدل مخفی مارکو (HMM) و ابزار تشخیص پایگاه داده عادی برای استفاده از مزایای آنها با یکدیگر ترکیب شده است. ساز و کار استنباط فازی محور برای استنباط مرز باریک بین رفتار عادی و ناهنجار مورد استفاده قرار گرفته است که در آن تعیین زمان همپوشانی یا نزدیک بودن آنها به هم بسیار دشوار تلقی شده است. برای پرداختن به موضوع چالشی هزینه بالا در آموزش HMM، آموزش HMM افزاینده با قالب بهینه پارامترهای HMM پیشنهاد شده است. نتایج تجربی حاکی از این که طرح تشخیص فازی محور پیشنهادی می‌تواند پیغام‌های مثبت کاذب را تا 48 درصد در مقایسه با طرح تشخیص پایگاه داده عادی واحد کاهش دهد. آموزش افزاینده HMM با قالب‌بندی بهینه، بهبود چشمگیری را برحسب زمان آموزش و نیز ذخیره ایجاد کرده است. زمان آموزش HMM تا چهار برابر کاهش یافته بود و الزامات حافظ نیز تا حدچشمگیری کاهش یافته بود.

بدون دیدگاه