توضیحات
چکیده
با گسترش سریع شبکه های کامپیوتری در طول دهه گذشته، امنیت به یک مسیله بسیار مهم برای سیستم های کامپیوتری تبدیل شده است. روش های مختلفی مبتنی بر محاسبات نرم افزاری در سالهای اخیر برای توسعه سیستم های تشخیص نفوذ پیشنهاد شده است. در این میان محققان به دنبال روش های مختلف برای برآورده کردن این نیاز به کشف و طراحی انواع سیستم های خبره، روشهای آماری، داده کاوی و شبکه های عصبی روی آوردهاند. روش پیشنهادی در این مقاله، به بررسی انوع روشهای تشخیص نفوذ در شبکه های کامپیوتری پرداخته و در راستای بهبود تشخیص نفوذ شبکه، مدلی مبتنی بر ترکیب الگوریتم ژنتیک و شبکه عصبی پایهای شعاعی پیشنهاد داده است. در این مقاله نامه از الگوریتم ژنتیک برای کاهش ویژگیها و انتخاب ویژگی های فرآیند طبقه بندی شبکه عصبی پایهای شعاعی استفاده شده است. الگوریتم پیشنهادی در نرم افزار MATLAB اجرا شده و از داده DARPA برای ارزیابی روش پیشنهادی استفاده شده است. نتایج شبیه سازی نشان میدهد مدل پیشنهادی با انتخاب ویژگی های برتر و در نتیجه کاهش ویژگی های ورودی موجب کاهش پیچیدگی الگوریتم شده و همچنین صحت تشخیص نفوذ در شبکه را بهبود بخشیده است.
مقدمه
پیشرفت فناوری شبکه های کامپیوتری و استفاده از منابع دیجیتال باعث مطرح شدن چالش امنیت شده است. مهم ترین مسئله در این حوزه حفاظت از سیستم های کامپیوتری در برابر نفوذ و سوءاستفاده است . تعداد حملات شبکه در سال های اخیر افزایش پیداکرده و پیدا کردن یک راه حل موثر برای محافظت از شبکه ضروری است.
امنیت تبادل اطلاعات
ABSTRACT
With the rapid expansion of computer networks over the past decade, security has become a critical issue for computer systems. Various methods based on software calculations have been proposed in recent years to develop intrusion detection systems. In the meantime, researchers are looking for a variety of ways to meet the need to discover and design a variety of expert systems, statistical methods, data mining, and neural networks. The proposed method in this paper is to investigate a variety of methods for intrusion detection in computer networks and in order to improve network intrusion detection, a model based on the combination of genetic algorithm and radial base neural network has been proposed. In this essay, a genetic algorithm has been used to reduce the characteristics and to select features of the radial foot neural network classification process. The proposed algorithm was implemented in MATLAB software and DARPA data was used to evaluate the proposed method. Simulation results show that the proposed model improves the accuracy of network intrusion detection by choosing superior features and thus reducing the input characteristics, reducing the complexity of the algorithm.
INTRODUCTION
The advancement of computer networking technology and the use of digital resources has raised the challenge of security. The most important issue in this area is the protection of computer systems against intrusion and abuse. The number of network attacks has increased in recent years, and finding an effective solution to protect the network is essential.
Year: ۲۰۱۸
Publisher : International Annual Conferences on Modern Horizons in Electrical Engineering, Computer and Mechanical
By : Nasyabeh Golestani, Abolfazl Lakdashty, or Behnia
File Information: English Language/ 8 Page / size: 592 KB
سال : ۱۳۹۷
ناشر :همایش بین المللی سالانه افق های نوین در مهندسی برق،کامپیوتر و مکانیک
کاری از : نصیبه گلستانی ، ابوالفضل لاکدشتی .بردیا بهنیا
اطلاعات فایل : زبان فارسی / 8 صفحه / حجم : KB 592
نقد و بررسیها
هنوز بررسیای ثبت نشده است.