دانلود و نمایش مقالات مرتبط با NSL-KDD dataset::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - NSL-KDD dataset

تعداد مقالات یافته شده: 2
ردیف عنوان نوع
1 Modification of supervised OPF-based intrusion detection systems using unsupervised learning and social network concept
اصلاح سیستم های تشخیص نفوذ مبتنی بر OPF تحت نظارت با استفاده از مفهوم یادگیری بدون نظارت و شبکه های اجتماعی-2017
Optimum-path forest (OPF) is a graph-based machine learning method that can overcome some lim itations of the traditional machine learning algorithms that have been used in intrusion detection sys tems. This paper presents a novel approach for intrusion detection using a modified OPF (MOPF) algo rithm for improving the performance of traditional OPF in terms of detection rate (DR), false alarm rate (FAR), and time of execution. To address the problem of scalability in large datasets and also for achieving high attack recognition rates, the proposed framework employs the k-means clustering algorithm, as a partitioning module, for generating different homogeneous training subsets from original heterogeneous training samples. In the proposed MOPF algorithm, the distance between unlabeled samples and the root (prototype) of every sample in OPF is also considered in classifying unlabeled samples with the aim of improving the accuracy rate of traditional OPF algorithm. Moreover, the centrality and the prestige concepts in the social network analysis are employed in a pruning module for determining the most informative samples in training subsets to speed up the traditional OPF algorithm. The experimental results on NSL-KDD dataset show that the proposed method performs better than traditional OPF in terms of accuracy rate, DR, FAR, and cost per example (CPE) evaluation metrics.
Keywords: Optimum-path forest | Classification | Clustering | Pruning | Centrality | Prestige | Social network analysis
مقاله انگلیسی
2 مطالعه پایگاه داده NSL-KDD از لحاظ سامانه تشخیص نفوذ بر اساس الگوریتم های طبقه بندی
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 16
سامانه های هوشمند تشخیص نفوذ تنها در صورتی می توانند ساخته شوند که یک پایگاه داده موثر وجود داشته باشد. یک پایگاه داده با مقدار داده های کیفی قابل اندازه گیری که از زمان واقعی تقلید می کند، تنها می تواند به آموزش و آزمایش یک سامانه تشخیص نفوذ کمک کند. پایگاه داده NSL-KDD ، نسخه اصلاح شده پایگاه داده قبلی KDD99 است. در این مقاله، پایگاه داده NSL-KDD تحلیل می شود و برای مطالعه اثربخشی الگوریتم های طبقه بندی مختلف در شناسایی ناهنجاری های مربوط به الگوهای ترافیک شبکه مورد استفاده قرار می گیرد. ما رابطه پروتکل هایی را نیز تحلیل کرده ایم که در پشته پروتکل شبکه ای پرکاربرد با حملات نفوذگران برای ایجاد ترافیک شبکه ای غیرعادی استفاده شده اند. این تحلیل با استفاده از الگوریتم های طبقه بندی موجود در ابزار داده کاوی WEKA انجام شده است. این مطالعه، حقایق زیادی در مورد پیوند بین پروتکل ها و حملات شبکه ای را آشکار می سازد.
کلیدواژه ها: سامانه تشخیص نفوذ | پایگاه داده NSL-KDD | غیرعادی | پروتکل.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی