داده کاوی فازی و الگوریتمهای ژنتیکی به کار رفته در تشخیص نفوذ
عنوان انگلیسی
FUZZY DATA MINING AND GENETIC ALGORITHMS APPLIED TO INTRUSION DETECTION
صفحات مقاله فارسی
15
صفحات مقاله انگلیسی
14
سال انتشار
2000
نشریه
CiteSeerX
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5214
وضعیت ترجمه عناوین تصاویر
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر
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
امنیت اطلاعات، اینترنت و شبکه های گسترده، هوش مصنوعی، مهندسی الگوریتم ها و محاسبات، سامانه های شبکه ای و شبکه های کامپیوتر
مجله
کنفرانس امنیت سیستم های اطلاعات ملی
دانشگاه
گروه علوم کامپیوتر، دانشگاه ایالتی می سی سی پی
۰.۰(بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1- مقدمه
2- اهداف سیستم و معماری اولیه
3- تشخیص ناهنجاری از طریق داده کاوی فازی
1-3- منطق فازی
2-3- روشهای دادهکاوی
1-2-3- قوانین رابطهای
2-2-3- قوانین رابطۀ فازی
3-2-3- بخشهای متوالی
4-2-3- بخشهای متوالی فازی
4- مولفههای تشخیص استفادۀ نابجا
5- الگوریتمهای ژنتیک
6- خلاصه و پژوهش آتی
نمونه چکیده متن اصلی انگلیسی
Abstract
We are developing a prototype intelligent intrusion detection system (IIDS) to demonstrate the effectiveness of data mining techniques that utilize fuzzy logic and genetic algorithms. This system combines both anomaly based intrusion detection using fuzzy data mining techniques and misuse detection using traditional rule-based expert system techniques. The anomaly-based components are developed using fuzzy data mining techniques. They look for deviations from stored patterns of normal behavior. Genetic algorithms are used to tune the fuzzy membership functions and to select an appropriate set of features. The misuse detection components look for previously described patterns of behavior that are likely to indicate an intrusion. Both network traffic and system audit data are used as inputs for both components.
نمونه چکیده ترجمه متن فارسی
چکیده
ما در حال توسعۀ نمونۀ اولیۀ سیستم تشخیص نفوذ هوشمند (IIDS) هستیم تا اثربخشی روشهای دادهکاوی را تعیین کنیم که از الگوریتم های منطق فازی و ژنتیک بهره میگیرند. این سیستم مشتمل بر دو قاعدۀ ناهنجار مبتنی بر تشخیص نفوذ با استفاده از روهای داده کاوی فازی و تشخیص استفادۀ نابجا با بهرهگیری از روشهای سیستمی کارشناسی مبتنی بر قاعدۀ سنتی است. مولفههای مبتنی بر ناهنجاری با استفاده از شیوههای دادهکاوی فازی توسعه یافته است. آنها به دنبال انحراف از الگوهای ذخیره شده بابت رفتار عادی هستند. الوریتمهای ژنتیک برای هماهنگی عملیات عضویت فازی و انتخاب مجموعۀ متناسبی از ویژگیها مورد استفاده قرار میگیرد. مولفههای تشیخص استفادۀ نابجا به دنبال الگوهای تشریح شدۀ پیشین رفتاری است که احتمالاً حاکی از نفوذ بوده است. هر دو دادۀ بررسی سیستم و ترافیک شبکه به عنوان دروندادهای این دو مولفه مورد استفاده قرار گرفته است.