با استفاده از روش های داده کاوی به منظور تشخیص حملات شبکه

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

با استفاده از روش های داده کاوی به منظور تشخیص حملات شبکه

عنوان لاتین

Using Data-Mining Methods to Detect Network Attacks

این مقاله احتمال استفاده از روش های مختلف داده کاوی را برای تشخیص حمله به شبکه بررسی می کنیم. یک معماری پیمانه ای سیستم تشخیص نفوذ طراحی شده که قادر به کلاس بندی بسته های شبکه در چندین ماشین بردار پشتیبانی است. این مقاله معماری سیستم تشخیص نفوذ پیمانه ای را براساس چندین روش داده کاوی بیان می کند. در این معماری، روش های داده کاوی برای کلاس بندی، خوشه بندی، و بهینه سازی استفاده می شوند. روش-های کلاس بندی یک توالی از بسته های شبکه را یا به صورت مجموعه ی حملات یا به صورت ترافیک نرمال دسته بندی می کنند. روش های کاهش ابعاد یک فضای ویژگی بهینه براساس پارامترهای ترافیک شبکه به منظور تشخیص مجموعه های خاص حملات می سازند. روش های خوشه بندی حملات مختلف را به کلاس هایی برای یک پیمانه ی مخصوص تشخیص-حمله تقسیم می کنند. استفاده از منطق فازی اجازه ی کاهش تعداد نوع خطاهای اول و دوم در فرایند تعامل در میان پیمانه های تشخیص حمله را می دهد.

This paper investigates the possibility of using various data-mining methods for network attack detection. A modular architecture of an intrusion detection system has been designed that enables classification of network packets in several support vector machines. This paper describes the architecture of a modular intrusion detection system based on several data mining methods. In this architecture, datamining methods are used for classification, clustering, and optimization. The classification methods categorize a sequence of network packets as either a set of attacks or as normal traffic. The dimensionality reduction methods construct an optimal feature space based on network traffic parameters to detect specific sets of attacks. The clustering methods divide vari- ous attacks into classes for a particular attackdetection module [1]. Using fuzzy logic allows reducing the number of errors first and second types in the process of interaction among attackdetection modules