مقایسه روش های ماشین بردار و شبکه های عصبی در سیستم های تشخیص نفوذ
محل انتشار: فصلنامه کهربا، دوره: 6، شماره: 22
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 532
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KHRBA-6-22_002
تاریخ نمایه سازی: 30 تیر 1398
چکیده مقاله:
استفاده از سیستم های شبکه ای یکی از روند تکنولوژی در سال های اخیر می باشد، و انتظار استفاده کنندگان از شبکه دارا بودن شبکه امن برای پردازش داده ها و ارتباطات می باشد. در این خصوص تشخیص نفوذ به عنوان یکی از مسایل مهم در امنیت شبکه برای پژوهشگران بوده است. یکی از روش های تشخیص نفوذ استفاده از الگوی رفتاری شبکه می باشد که از یادگیری ماشین برای تشخیص نفوذ در رفتار شبکه استفاده می شود. در این مقاله روش های یادگیری ماشین زیر برای تشخیص حملات شبکه استفاده می شود: ماشین بردار (SVM) و شبکه های عصبی مصنوعی (ANN). هدف از این مطالعه مقایسه نتایج ماشین بردار و شبکه های عصبی مصنوعی و سپس نتایج ماشین بردار و شبکه های عصبی مصنوعی با سایر الگوریتم های استفاده شده برای تشخیص نفوذ که اخیرا پژوهشگران مورد استفاده قرار داده اند را شامل می شود. برای دستیابی به نتایج، در این مقاله، (KDD CPU99) برای ارزشیابی روش ها مورداستفاده قرار گرفته است.
کلیدواژه ها:
امنیت شبکه و تشخیص نفوذ عصبی مصنوعی شبکه ، ماشین بردار پشتیبانی و یادگیری ماشین
نویسندگان