دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


عنوان محصول: آنالیز مشخصه های مجموعه داده KDD – مبتنی بر کلاس برای تشخیص نفوذ

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: پنج شنبه 2 دي 1395
توضیحات مختصر: مجموعه داده KDD یک الگوی بخوبی شناخته شده در پژوهش تکنیک های تشخیص نفوذ است. تحقیقات زیادی در حال توسعه برای بهبود استراتژی های تشخیص نفوذ هستند، در حالیکه پژوهش روی داده های استفاده شده برای آموزش و تست مدل تشخیص از اهمیت زیادی برخوردار است، زیرا کیفیت داده بهتر می تواند تشخیص نفوذ آفلاین را بهبود ...
آنالیز مشخصه های مجموعه داده KDD – مبتنی بر کلاس برای تشخیص نفوذ آنالیز مشخصه های مجموعه داده KDD – مبتنی بر کلاس برای تشخیص نفوذ


قیمت قیمت : 15000 تومان
تخفیف تخفیف: 1000 تومان
قیمت نهایی قیمت نهایی: 14000 تومان
537 بازدید
کد مقاله: TTC- 1- 156
نوع فایل : docx
Journal: Elsevier 2015,

Analysis of KDD Dataset Attributes - Class wise For Intrusion Detection
Abstract
The KDD data set is a well known benchmark in the research of Intrusion Detection techniques. A lot of work is going on for the improvement of intrusion detection strategies while the research on the data used for training and testing the detection model is equally of prime concern because better data quality can improve offline intrusion detection. This paper presents the analysis of KDD data set with respect to four classes which are Basic, Content, Traffic and Host in which all data attributes can be categorized. The analysis is done with respect to two prominent evaluation metrics, Detection Rate (DR) and False Alarm Rate (FAR) for an Intrusion Detection System (IDS). As a result of this empirical analysis on the data set, the contribution of each of four classes of attributes on DR and FAR is shown which can help enhance the suitability of data set to achieve maximum DR with minimum FAR.
Keywords: Intrusion Detection; KDD; Attribute classes; False Alarm Rate; Detection Rate

چکیده
مجموعه داده KDD یک الگوی بخوبی شناخته شده در پژوهش تکنیک های تشخیص نفوذ است. تحقیقات زیادی در حال توسعه برای بهبود استراتژی های تشخیص نفوذ هستند، در حالیکه پژوهش روی داده های استفاده شده برای آموزش و تست مدل تشخیص از اهمیت زیادی برخوردار است، زیرا کیفیت داده بهتر می تواند تشخیص نفوذ آفلاین را بهبود دهد. این مقاله، آنالیز مجموعه داده ی KDD را با توجه به چهار کلاس زیر ارائه می کند: پایه، محتوا، ترافیک و هاست که در آنها تمام مشخصه های داده ها می توانند طبقه بندی شوند. آنالیز با توجه به دو معیار ارزیابی مهم انجام می گیرد، نرخ تشخیص (DR) و نرخ آلارم اشتباه (FAR) برای سیستم تشخیص نفوذ (IDS). در نتیجه ی این آنالیز تجربی روی مجموعه داده، سهم هر یک از چهار دسته مشخصه روی DR و FAR نشان داده می شود که می تواند به تقویت تناسب مجموعه داده جهت دستیابی به ماکزیمم DR با مینیموم FAR کمک کند.
کلمات کلیدی: تشخیص نفوذ, KDD, کلاس های مشخصه, نرخ آلارم اشتباه, نرخ تشخیص

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:10 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:14 صفحه

تماس با پشتیبانی فروشگاه ترجمه‌های تخصصی

نام و نام خانوادگی*
پست الکترونیکی*
موضوع پیام*
متن پیام*
اطلاعات تماس با فروشگاه ترجمه‌های تخصصی


فروشگاه ترجمه‌های تخصصی
پست الکترونیک :info@ttsell.ir
پست الکترونیک :mailttsell@gmail.com
شماره تلفن تماس:09355907190
کانال تلگرام : t.me/ttsell

  • آدرس: تبریز، خیابان  خاقانی، پاساژ خاقانی، پلاک 119
  • تلفن  تماس: 09355907190
  • تلفن  ثابت : 35250068-041
  •  Mailttsellاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @ttsell:آدرس تلگرام
فروشگاه ترجمه‌های تخصصی از  سال  1387شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.
Scroll to top