ترجمه مقاله آنالیز مشخصه های مجموعه داده KDD مبتنی بر کلاس برای تشخیص نفوذ – سال 2015
مشخصات مقاله:
عنوان فارسی مقاله:
آنالیز مشخصه های مجموعه داده KDD مبتنی بر کلاس برای تشخیص نفوذ
عنوان انگلیسی مقاله:
Analysis of KDD Dataset Attributes – Class wise For Intrusion Detection
کلمات کلیدی مقاله:
تشخیص نفوذ، KDD، کلاس های مشخصه، نرخ آلارم اشتباه، نرخ تشخیص
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
امنیت اطلاعات، مهندسی الگوریتم ها و محاسبات
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
1. 1 مجموعه داده KDD
2. 1 هدف
3. 1 کارهای مرتبط
2. راه اندازی آزمایش
1. 2 روش تحقیق
2. 2 Weka
3. 2 طبقه بند استفاده شده
4. 2 متریک ها
3. نتایج شبیه سازی
4. بحث
5. نتیجه گیری
ضمیمه A
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Network security1 is a foremost issue these days as the network usage is growing in multi-dimensions due to increased use of handheld devices. Intrusion Detection Systems can help detect malign intentions of network users without compromising the security of the host and the network. There are many machine learning algorithms available which can learn from the training data and can generalize when exposed to new untrained data. There are two types of intrusion detection technique, the first one is Misuse Detection that can catch the known attacks and hence works on the offline data2 and the other is Anomaly Detection which can detect any abnormal behavior and hence can work well on online data3 . The KDD data set is a standard data set used for the research on intrusion detection systems.
1. مقدمه
این روزها با رشد چند بعدی شدن کاربرد شبکه به خاطر افزایش استفاده از وسایل دستی، امنیت شبکه به عنوان مهمترین موضوع شناخته شده است. سیستم های تشخیص نفوذ به تشخیص مقاصد خرابکارانه کاربران شبکه کمک می نمایند بدون اینکه امنیت میزبان و شبکه را به خطر بیندازند. الگوریتم های یادگیری ماشینی زیادی موجود است که از داده های آموزشی یادگرفته و زمانی که در معرض داده های آموزش ندیده جدید قرار می گیرند، به صورت تعمیم پذیر ظاهر می شوند.دو نوع تکنیک تشخیص نفوذ وجود دارد، یکی تشخیص سوء استفاده که می تواند حملات شناخته شده را بدست آورد و به همین خاطر روی داده های آفلاین یا برون خطی کار می کند و دیگری تشخیص آنومالی که قادر به تشخیص هرگونه رفتار غیر عادی است وبه همین خاطر روی داده های آنلاین یا روخطی کار می کند. مجموعه داده KDD، یک مجموعه داده استاندارد است که برای تحقیق پیرامون سیستم های تشخیص نفوذ استفاده می شود.
