ترجمه مقاله سیستم تشخیص نفوذ مبتنی بر قانون وابستگی فازی همراه با برنامه نویسی شبکه ژنتیک

ترجمه مقاله سیستم تشخیص نفوذ مبتنی بر قانون وابستگی فازی همراه با برنامه نویسی شبکه ژنتیک
قیمت خرید این محصول
۲۷,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
سیستم تشخیص نفوذ مبتنی بر قانون وابستگی فازی همراه با برنامه نویسی شبکه ژنتیک
عنوان انگلیسی
Intrusion Detection System Based on Fuzzy Association Rule with Genetic Network Programming
صفحات مقاله فارسی
10
صفحات مقاله انگلیسی
7
سال انتشار
2014
نشریه
Ijirset
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
7308
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
رشته های مرتبط با این مقاله
مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله
رایانش امن و شبکه های کامپیوتری
مجله
مجله بین المللی تحقیقات نوآورانه در علوم، مهندسی و فناوری
دانشگاه
گروه فناوری اطلاعات، K.L.N دانشکده فناوری اطلاعات، هند
کلمات کلیدی
برنامه ریزی شبکه ژنتیک، کلاس فازی، تشخیص نفوذ، هشدار اشتباه کاذب منفی و مثبت
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
مقدمه
کار مرتبط
روش شناسی
ماژول ارتباط و خلق شبکه
ماژول شکل گیری قانون وابستگی کلاس فازی
ماژول GNP
ماژول افزایش
کاوش قانون وابستگی کلاس فازی
نتایج
نمونه چکیده متن اصلی انگلیسی
Abstract

Intrusion detection which classifies the attacks on the Internet from usual behaviour of usage on the Internet. Here intrusion detection systems are vital tool in the cluster environment fight to keep its computing resources secure .It is an unavoidable portion of the information security system. Emerging variety of network behaviours and the rapid development of attack scenarios, it is vital to develop fast machine-learning-based intrusion detection algorithms with high detection rates and low false positive and false negative -alarm rates with the help of association rule mining. In this course of work a fuzzy class-association rule mining method based on genetic network programming (GNP) for intrusion detection. GNP is an evolutionary optimization technique, which uses directed graph structures leads for enhancing the representation ability .In combination with fuzzy set theory and GNP, the proposed work can deal with mixed database that contains both discrete and continuous attributes and also extract many important class association rule .Therefore, the proposed method can be flexibly applied to both misuse and anomaly detection in network-intrusion-detection .It can extract important rules using these tuples and this mechanisms can calculate measurements of association rules directly using GNP which provides detection rate for prediction based approach.

نمونه چکیده ترجمه متن فارسی
چکیده

تشخیص نفوذ می تواند  حملات به اینترنت را از رفتار مصرف عادی در آن دسته بندی نماید . در اینجا سیستم های تشخیص نفوذ در مبارزه  محیط کلاستر برای حفظ ایمن منابع محاسباتی یک نوع ابزار حیاتی محسوب می شوند. سیستم تشخیص نفوذ یک بخش اجتناب ناپذیر در سیستم امنیت اطلاعات به حساب می آید . این موضوع در تنوع در حال ظهور رفتار های شبکه و توسعه سریع سناریو های حمله حیاتی می باشد که الگوریتم های تشخیص نفوذ سریع مبتنی بر ماشین فراگیر را با نرخ های بالای تشخیص و نرخ های هشدار کاذب منفی و مثبت کم توسعه داد و این کار با کمک کاوش قانون  وابستگی امکان پذیر می باشد . روش کاوش قانون وابستگی رده فازی بر اساس برنامه ریزی شبکه ژنتیک (GNP) برای تشخیص نفوذ در این دوره معرفی می گردد . برنامه ریزی شبکه ژنتیک یک نوع تکنیک بهینه سازی تکاملی می باشد که از ساختار های گراف هدایت شده برای ارتقای توانایی نمایش بهره می برد . کار پیشنهادی در ترکیب با تئوری مجموعه فازی و برنامه ریزی شبکه ژنتیک  می تواند به پایگاه داده ترکیبی رسیدگی نماید که دارای ویژگی های گسسته و دایمی می باشد و همچنین قانون مهم  وابستگی کلاس (رده ) را استخراج می کند . از اینرو ، روش پیشنهادی را می توان به طور انعطاف پذیری برای تشخیص سوء استفاده و استفاده ناهنجار مورد بهره برداری قرار داد . روش می تواند قوانین مهم را با استفاده از این چندتایی ها استخراج نماید و این مکانیزم ها قادر هستند تا سنجش های قوانین وابستگی را با استفاده از برنامه ریزی شبکه ژنتیک محاسبه نمایند که نرخ تشخیص را برای رویکرد مبتنی بر پیش بینی فراهم می کند .


بدون دیدگاه