توضیحات
چکیده
نفوذ مجموعه عملیاتی است که یکپارچگی، محرمانگی و در دسترس بودن یک منبع اطلاعاتی را به مخاطره می اندازد. یک سیستم تشخیص نفوذ (IDS)، دسترسی کاربر به مجموعه اطلاعات را با اجرای قوانین خاص، نظارت و محدود میکند. روشهای مختلفی برای تشخیص نفوذ در سیستم های کامپیوتری وجود دارد که چالش اصلی در آنها تشخیص دقیق تر نوع نفوذ بوده است. در این مقاله با استفاده ازالگوریتم Apriori و سیستم فازی ژنتیک و قوانین فازی بر مبنای یادگیری زوجی سیستم تشخیص نفوذ بهبود یافته ای ارائه شده است. در این راستا ابتدا داده های مجموعه آموزشی به سیستم تشخیص نفوذ تحویل داده شده تا قوانین فازی توسط الگوریتم Apriori و بر مبنای یادگیری زوجی ایجاد شود. یادگیری زوجی موجب بررسی دو به دو کلاس ها با هم و ایجاد قوانین دقیق و در نتیجه افزایش درصد تشخیص درست می شود. الگوریتم Apriori زمان یادگیری سیستم تشخیص نفوذ را تا حد قابل قبولی کاهش میدهد. قوانین ایجاد شده با استفاده از الگوریتم ژنتیک بهبود داده شده که باعث کاهش نرخ هشدار کاذب،افزایش دقت و صحت گردید. در پیاده سازی روش پیشنهادی از مجموعه داده KDDcup99 و نرم افزار MATLAB برای شبیه سازی استفاده شده است.
مقدمه
رفتار ناهنجار در شبکه به منظور نقض یکی از مولفه هاي امنیتی محرمانگی ،یکپارچگی و دسترسپذیري ،از رخنه ي موجود در یک سیستم یا نرم افزار بهره برداري میکند تا کاربر بتواند به منابع و اطلاعات شبکه دسترسی پیدا کند. سیستم تشخیص نفوذ، رسالت کشف و افشاي اعمال نفوذگر را بر عهده دارد که از طریق پایش ترافیک شبکه و یا گزارش هاي فعالیت کاربران، فعالیت هاي غیرمجاز را آشکار مینماید.
ABSTRACT
Influence is an operational set that jeopardizes the integrity, confidentiality and availability of an information source. An Intrusion Detection System (IDS) monitors and restricts user access to information sets by enforcing certain rules. There are several methods for detecting infiltration in computer systems, the main challenge being to determine the type of penetration more accurately. In this paper, using the Apriori algorithm and the fuzzy genetic system and fuzzy rules based on the pair learning of the intrusion detection system is presented. In this regard, the training data is first delivered to the penetration detection system to create fuzzy rules based on the Apriori algorithm based on paired learning. Couple learning brings two or two classes together and creates precise rules, thus increasing the percentage of correct diagnosis. The Apriori algorithm reduces the learning time of the intrusion detection system to an acceptable level. The rules were created using an improved genetic algorithm that reduced false warning rates, increased accuracy and accuracy. The implementation of the proposed method from the KDDcup99 dataset and MATLAB software for simulation has been used.
INTRODUCTION
Abnormal behavior on the network in order to violate one of the security components of confidentiality, integrity and availability, exploits a breach in a system or software so that the user can access network resources and information. Intrusion Detection System is the mission of detecting and exposing intruders that detect unauthorized activity through monitoring traffic network or user activity reports.
Year: ۲۰۱۸
Publisher : National Conference on New Technologies in Computer and Medical Engineering
By : Shojaee Campus, Khosrow Amiri Zadeh
File Information: English Language/ 11 Page / size: 236 KB
Only site members can download free of charge after registering and adding to the cart
سال : ۱۳۹۷
ناشر : کنفرانس ملی فناوریهای نوین در کامپیوتر و مهندسی پزشکی
کاری از : پردیس شجاعی ،خسرو امیري زاده
اطلاعات فایل : زبان فارسی / 11 صفحه / حجم : KB 236
نقد و بررسیها
هنوز بررسیای ثبت نشده است.