دانلود ترجمه مقاله تشخیص نفوذ با استفاده از یک روش ترکیبی نوین

1. مقدمه 2. تحقیقات مرتبط 3. روش پیشنهادی 4. آزمایش ها و نتایج 5. نتیجه گیری

چکیده – این روزها، با رشد چشمگیر سرویس های مبتنی بر شبکه و به اشتراک گذاشتن اطلاعات در شبکه، خطر حملات شبکه و نفوذ نیز افزایش می یابد، بنابراین امنیت شبکه و حفاظت از شبکه اهمیت بیشتری نسبت به گذشته دارد. سیستم تشخیص نفوذ (IDS) یکی از راه حل های تشخیص حملات و موارد غیر معمول شبکه است. افزایش همیشگی انواع جدید نفوذ و حملات، باعث بروز مشکلاتی در تشخیص آنها می شود، بنابراین، روش های داده کاوی به طور گسترده ای در سیستم های تشخیص نفوذ مورد استفاده قرار می گیرند. هدف از استفاده از روش های داده کاوی، استخراج دانش سودمند در میان داده های فراوان شبکه در سیستم های تشخیص نفوذ است. بسیاری از الگوریتم های خوشه بندی و طبقه بندی در IDS با موفقیت مورد استفاده قرار می گیرند، بنابراین بهبود عملکرد این الگوریتم ها باعث بهبود عملکرد IDS خواهد شد. تمرکز این مقاله بر بهبود طبقه بندی KNN در تابع تشخیص نفوذ متداول است که ترکیبی از خوشه بندی K-MEANS و طبقه بندی KNN می باشد.

These days, with the tremendous growth of network-based service and shared information on networks, the risk of network attacks and intrusions increases too, therefore network security and protecting the network is getting more significance than before. Intrusion Detection System (IDS) is one of the solutions to detect attacks and anomalies in the network. The ever rising new intrusion or attack types causes difficulties for their detection, therefore Data mining techniques has been widely applied in network intrusion detection systems for extracting useful knowledge from large number of network data to detect intrusions. Many clustering and classification algorithms are used in IDS, therefore improving the functionality of these algorithms will improve IDS performance. This paper focuses on improving KNN classifier in existing intrusion detection task which combines K-MEANS clustering and KNN classification.