دانلود ترجمه مقاله سیستم تشخیص نفوذ: طبقه بندی و تکنیک ها
عنوان فارسی |
سیستم تشخیص نفوذ: طبقه بندی، تکنیک ها و پیاده سازی مجموع داده ها |
عنوان انگلیسی |
Intrusion Detection System: Classification, Techniques and Datasets to Implement |
کلمات کلیدی : |
  داده کاوی؛ سیستم تشخیص نفوذ؛ تشخیص موارد غیر معمول؛ تشخیص سوء استفاده؛ خوشه بندی؛ طبقه بندی؛ KDD99؛ GureKDD؛ NSL-KDD |
درسهای مرتبط | مهندسی کامپیوتر |
تعداد صفحات مقاله انگلیسی : 7 | نشریه : IRJET |
سال انتشار : 2017 | تعداد رفرنس مقاله : 27 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت : ندارد | وضعیت ترجمه مقاله : انجام نشده است. |
1. مقدمه 2. بررسی مقالات 3. سیستم تشخیص نفوذ (IDS) 4. مجموعه داده ها برای IDS 5. نتیجه گیری
چکیده – با گسترش اینترنت، امنیت ترافیک شبکه تبدیل به یکی از مشکلات عمده سیستم های شبکه کامپیوتری شده است. با گذشت زمان، تعداد حملات به شبکه افزایش یافته است. چنین حملاتی بر روی شبکه چیزی جز نفوذ نیست. سیستم تشخیص نفوذ برای شناسایی نفوذ و حفاظت از داده ها و شبکه، در مقابل حملات استفاده شده است. در این سیستم، تکنیک های داده کاوی برای نظارت و تجزیه و تحلیل داده های شبکه و طبقه بندی این داده ها به داده های غیر معمول و نرمال به کار می روند. از آنجا که داده ها از منابع مختلفی تهیه می شوند، ترافیک شبکه بسیار زیاد است. تکنیک های داده کاوی مانند طبقه بندی و خوشه بندی برای ایجاد سیستم تشخیص نفوذ استفاده می شود. در این تحقیق، طبقه بندی IDS، تکنیک های مختلف داده کاوی و مجموعه داده ها برای تشخیص موثر الگو، در جهت فعالیت های مخرب و عادی در شبکه ارائه می شود، که به ایجاد سیستم اطلاعات ایمن کمک می کند. همچنین یک تحقیق مختصر در خصوص مجموعه داده های مختلفی که در سیستم تشخیص نفوذ مفید استفاده می شوند، انجام می شود.
With the escalation of the internet, Security of network traffic is becoming a major problem of computer network system. As time is passing the number of attacks on the network are increasing. Such attacks on network are nothing but the Intrusions. Intrusion detection system has been used for detecting intrusion and to protect the data and network from attacks. Data mining techniques are used to monitor and analyze large amount of network data & classify these network data into anomalous and normal data. Since data comes from various sources, network traffic is large. Data mining techniques such as classification and clustering are applied to build Intrusion detection system. This paper presents the classification of IDS, different Data mining techniques and datasets for the effective detection of pattern for both malicious and normal activities in network, which helps to develop secure information system. Also it provides a brief study of various datasets that are useful for an intrusion detection system.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.