تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله سیستم شناسایی نفوذ بر اساس Efficient Host – نشریه IEEE

عنوان فارسی: سیستم شناسایی نفوذ بر اساس Efficient Host با استفاده از درخت تصمیم جزئی و الگوریتم انتخاب مشخصه همبستگی
عنوان انگلیسی: Efficient Host Based Intrusion Detection System Using Partial Decision Tree and Correlation Feature Selection Algorithm
تعداد صفحات مقاله انگلیسی : 6 تعداد صفحات ترجمه فارسی : 16
سال انتشار : 2014 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 4914 رفرنس : دارد
محتوای فایل : zip حجم فایل : 739.85Kb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر و مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله: مهندسی الگوریتم و محاسبات، مهندسی نرم افزار، امنیت اطلاعات و شبکه های کامپیوتری
مجله: کنفرانس بین المللی روندهای اخیر در فناوری اطلاعات
دانشگاه: موسسه فناوری Madras، دانشگاه Anna، چنای، هند
کلمات کلیدی: IDS، مزاحم، R2L ،CFS، جستجو، DoS ،U2R
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
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

2- کارهای مرتبط

3- CPDT based IDS پیشنهادی

A. جمع آوری مجموعه داده

B . تشخیص سناریو حمله

C. شناسایی حمله های شناخته شده

4- ارزیابی و آزمایش

5- نتیجه گیری

نمونه متن انگلیسی

Abstract

System security has become significant issue in many organizations. The attacks like DoS, U2R, R2L and Probing etc., creating a serious threat to the appropriate operation of internet services as well as in host system. In recent years, intrusion detection system is designed to prevent the intruder in the host as well as in network systems. Existing host based intrusion detection systems detects the intrusion using complete feature set and it is not fast enough to detect the attacks. To overcome this problem, this paper proposes an efficient HIDS – Correlation based Partial Decision Tree Algorithm (CPDT). The proposed CPDT combines Correlation feature selection for selecting features and Partial Decision Tree (PART) for classifying the normal and the abnormal packets. The algorithm is implemented and has been validated within KDD’99 dataset and found to give better results than the existing algorithms. The proposed CPDT model provides the accuracy of 99.9458%.

نمونه متن ترجمه

چکیده

امنیت سیستم در بسیاری از سازمان ها موضوع با اهمیتی شده است. حمله هایی نظیر DoS,U2R,R2L و جستجو و ... یک خطر جدی برای عملکرد مناسب خدمات اینترنت و نیز در سیستم میزبان ایجاد می کنند. در سال های اخیر، سیستم شناسایی نفوذ برای جلوگیری از دخول در میزبان و همچنین سیستم های شبکه طراحی شده اند. سیستم های شناسایی نفوذ موجود  نفوذ را با استفاده از مجموعه مشخصه کامل شناسایی می کنند و این برای شناسایی حمله ها باندازه کافی سریع نیست. برای غلبه بر این مشکل، این مقاله یک روش موثر HIDS همبستگی بر اساس الگوریتم درخت تصمیم جزئی (CPDT) پیشنهاد داده است. CPDT پیشنهادی انتخاب مشخصه را برای انتخاب مشخصات و درخت تصمیم جزئی (PART) را برای دسته بندی بسته های معمولی و غیر معمولی ترکیب می کند. الگوریتم پیاده سازی شده و با یک مجموعه داده KDD’99 تایید اعتبار شده است و نتایج بهتری نسبت به الگوریتم های موجود می دهد. مدل CPDT پیشنهادی دقت 9458/99% را فراهم می آورد.