دانلود ترجمه مقاله بهبود امنیت در سیستم های تشخیص نفوذ

1. مقدمه 2. تحقیقات مرتبط 3. سیستم پیشنهادی 4. الگوریتم 5. بررسی های تجربی 6. نتایج و نتیجه گیری

چکیده – در عصر اینترنت و با افزایش تعداد کاربران نهایی آن، هر روز، انواع مختلفی از حملات شناخته می شوند. از این رو، تشخیص موثر حملات مختلف با کمک سیستم های تشخیص نفوذ، یکی از مهمترین موضوعات تحقیقاتی است. تحقیقات انجام شده، نشان دهنده اثربخشی روش های یادگیری ماشین در مدیریت سیستم های تشخیص نفوذ است. در این تحقیق، هدف ما افزایش نرخ تشخیص در سیستم های تشخیص نفوذ با استفاده از تکنیک یادگیری ماشینی است. یک IDS مبتنی بر دسته بندی کننده های جمعی نوین ارائه می شود که با استفاده از یک روش ترکیبی، که متشکل از روش های سطح داده و سطح ویژگی می باشد، ایجاد شده است. دسته بندی کننده های جمعی، نظرات کارشناسان و متخصصین مختلف را ترکیب کرده و میزان تشخیص نفوذ را بهبود می بخشند. نتایج تجربی نشان دهنده بهبود نرخ تشخیص سیستم ارائه شده نسبت به روش مرجع است.

In the era of Internet and with increasing number of people as its end users, a large number of attack categories are introduced daily. Hence, effective detection of various attacks with the help of Intrusion Detection Systems is an emerging trend in research these days. Existing studies show effectiveness of machine learning approaches in handling Intrusion Detection Systems. In this work, we aim to enhance detection rate of Intrusion Detection System by using machine learning technique. We propose a novel classifier ensemble based IDS that is constructed using hybrid approach which combines data level and feature level approach. Classifier ensembles combine the opinions of different experts and improve the intrusion detection rate. Experimental results show the improved detection rates of our system compared to reference technique.

ترجمه این مقاله در 11 صفحه آماده شده و در ادامه نیز صفحه 5 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.