تشخیص ناهنجاری های شبکه با استفاده از روش ترکیبی سیستم دفاعی مصنوعی و یادگیری ماشین svm
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنی
- author مهدی الهی
- adviser علی یزدیان
- Number of pages: First 15 pages
- publication year 1390
abstract
با استفاده روز افزون از اینترنت و به اشتراک گذاری اطلاعات، تشخیص دسترسی غیر مجاز و همچنین نفوذ در شبکه تبدیل به یکی از اصلی ترین نگرانی های مدیران شبکه شده است. سیستم های تشخیص نفوذ (ids) عموماً جهت شناسایی و مقابله با نفوذ در سیستم های کامپیوتری پیاده سازی می شوند. در این سیستم ها از دو روش پرکاربد تشخیص ناهنجاری و تشخیص سوءاستفاده برای شناسایی نفوذ استفاده می شود. یک سیستم تشخیص ناهنجاری در ابتدا روی مثال هایی از شرایط نرمال آموزش می بیند و بعد از آن پتانسیل تشخیص حملات جدید را دارد. گرچه بسیاری از سیستم های تشخیص ناهنجاری به آسانی فعالیت های ناهنجار را تشخیص می دهند، اما اطلاعاتی سطح بالا و کاربردی برای مسئول شبکه ایجاد نمی کنند، و از طرفی دیگر تشخیص بر اساس سوءاستفاده الگو های شناخته شده را با اطلاعات کافی و جزئیات تشخیص می دهد اما توانایی تشخیص حملات جدید را ندارد. در این پایان نامه یک سیستم ترکیبی با هدف دستیابی به مزایای دو روش بیان شده بررسی خواهد شد. در ابتدا ارتباط هایی به عنوان ناهنجاری با استفاده از سیستم ais تشخیص داده می-شوند، سپس این ارتباط به عنوان یک ناهنجاری در سیستم svm طبقه بندی می شود که اطلاعات سطح بالاتری را به صورت قرار گرفتن در یک نوع کلاس خاص از آن می توان استخراج کرد. نتایج بدست آمده روی مجموعه داده مشهور kdd 1999 در این مدل پیشنهاد شده نشان از پایین بودن نرخ خطای مثبت کاذب و تشخیص حملات به خوبی یا بهتر از دیگر مدل های مطرح نشان خواهد داد.
similar resources
تشخیص نفوذ شبکه با استفاده از رویکرد ترکیبی مدل مخفی مارکوف و یادگیری ماشین مفرط
با رشد فناوری اطلاعات، امنیت شبکه بهعنوان یکی از مباحث چالشبرانگیز مطرح است. تکنیکهای تشخیص نفوذ مبتنی بر ناهنجاری یک فناوری ارزشمند برای حفاظت از شبکهها در برابر فعالیتهای مخرب است. در این مقاله رویکردی جدید مبتنی بر مدل مخفی مارکوف (HMM) و ماشین یادگیری مفرط (ELM) جهت تشخیص نفوذ ارائه شده است. در مدل پیشنهادی، دادههایی که از ترافیک شبکه جمعآوری شدهاند، ابتدا پیشپردازش میشوند. سپس دن...
full textارائه روش طبقهبندی جدید با استفاده از رویکرد ترکیبی یادگیری ماشین و تصمیمگیری چندمعیاره
هدف: از آنجا که در مسائل طبقهبندی به تحلیل انواع وابستگیها و روابط بازخوردی میان معیارهای یک مسئله کمتر پرداخته شده است و با توجه به قابلیت فرایند تحلیل شبکهای (ANP) در مدلسازی روابط متقابل بین معیارها، هدف این پژوهش ارائه روشی مبتنی بر ANP برای مسائل طبقهبندی است. محدودیت اساسی ANP، افزایش ناسازگاری قضاوت تصمیمگیرندگان همراه با افزایش ابعاد مسئله است، از این رو بهمنظور بهینهسازی پارامت...
full textبرآورد دمای خاک از دادههای هواشناسی با استفاده از مدلهای یادگیری ماشین سریع، شبکه عصبی مصنوعی و رگرسیون خطی چندگانه
دمای خاک عامل کلیدی است که فرآیندها و خصوصیات فیزیکی، شیمیایی و بیولوژیکی خاک را کنترل میکند؛ لذا بر کمیت و کیفیت تولید محصولات کشاورزی تأثیر میگذارد. هدف از انجام این پژوهش برآورد دمای خاک با استفاده از پارامترهای هواشناسی به روشهای مختلف ماشین یادگیری بوده است. بدین منظور دادههای هواشناسی و دمای خاک در عمقهای 5، 10، 20، 30، 50 و 100 سانتیمتری از 17 ایستگاه سینوپتیک استان خوزستان مربوط ...
full textتشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با استفاده از شبکه عصبی مصنوعی
وقوع زلزله علاوه بر تغییر در هندسه و فیزیک پوسته زمین تأثیرات دیگری را نیز به همراه دارد. از آن جمله، تأثیر بر لایه یونسفر می‍باشد که خود را بهصورت تغییر در میزان الکترون، چگالی یونها، میدانهای الکتریکی و مغناطیسی این لایه نشان میدهد. هر پارامتر ژئوفیزیکی و ژئوشیمیایی در لایههای لیتوسفر، اتمسفر و یونسفر زمین که قبل از وقوع زلزله تغییراتی در آن پدید آید بهعنوان پیشنشانگر شناخته میشود...
full textروش نوین خوشهبندی ترکیبی با استفاده از سیستم ایمنی مصنوعی و سلسله مراتبی
Artificial immune system (AIS) is one of the most meta-heuristic algorithms to solve complex problems. With a large number of data, creating a rapid decision and stable results are the most challenging tasks due to the rapid variation in real world. Clustering technique is a possible solution for overcoming these problems. The goal of clustering analysis is to group similar objects. AIS algor...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023