بررسی و مقایسه وتحلیل تکنیک های داده کاوی در تشخیص نفوذ شبکه های کامپیوتری

بررسی و مقایسه وتحلیل تکنیک های داده کاوی در تشخیص نفوذ شبکه های کامپیوتری


  • 306 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

 نفوذ با انگیز های متفاوتی سیاسی، مالی، نظامی و حتی نشان دادن مهارت با توجه به نقاط ضعف موجود در برنامه های کاربردی و عیوب نرم افزاری ضعف طراحی پروتكل و طراحی سیستم عامل در طی مراحل شناسايی، يافتن نقاط ضع و به دست آوردن سناريوی نفوذ از جانب نفوذی صورت می گیرد. در روش های تشخیص سوءاستفاد از الگوهای نفوذ شناخته شد برای شناسايی نفوذها استفاد میشود. اين روش ها تنها قادر به شناسايی حمالت شناخته شد می باشند. در روش های تشخیص رفتار غیرعادی رفتار عادی کاربران ملاک عمل قرار داده می  شود در نتیجه هر مغاير رفتار گونه آن به عنوان نفوذ جه تالش به شناسايی سیستم می گردد . دراین پايانامه از فرآيند داده کاوی جهت تشخیص حملات استفاده شده است.
روش های متعدد دسته بندی هایروش که بصورت انفرادی کار می نمايند به درستی کارايی بیش از حدی را به ما نمی دهند لذا ابتدا روش های دسته بندی منفرد را مورد آزمايش قرار داده و در نهایت مدل ترکیبی تجمعی بر پایه درخت تصمیم گیر که همان مدل پیشنهادی ما است با دو روش انتخاب ویژگی IG و PCA را مورد بررسی قرار دادیم . برای مورد مطالعاتی کشف نفوذ، روش پیشنهادی را بر روی مجموعه داده KDD99 اعمال نمودیم. به جهت آموزش و تست سیستم از روش اعتبار سنجی ۱۰ مرحله ای استفاده نمودیم. در انتها برای ارزیابی نتایج بدست آمده برای مجموعه داده های آزمایشی از چهار پارامتر Precision
، Recall
F - measure و Accuracy استفاده نمودیم. همچنین جهت ارزیابی روش پیشنهادی، مقایسه ای با چند روش پیشین معروف صورت گرفت که نتایج بدست آمده نشان دهنده ی بهبود روش پیشنهادی نسبت به روش های مانند
SVM ، C4 . 5 ، : Naive Bayes می باشد .
 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 


کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.