فایل ورد مقالات

 

مقایسه و ارزیابی تاثیر رویکردهای یادگیری و روش های استخراج ویژگی در کارایی سیستم های تشخیص ناهنجاری های شبکه دارای 7 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه و ارزیابی تاثیر رویکردهای یادگیری و روش های استخراج ویژگی در کارایی سیستم های تشخیص ناهنجاری های شبکه کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقایسه و ارزیابی تاثیر رویکردهای یادگیری و روش های استخراج ویژگی در کارایی سیستم های تشخیص ناهنجاری های شبکه،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن مقایسه و ارزیابی تاثیر رویکردهای یادگیری و روش های استخراج ویژگی در کارایی سیستم های تشخیص ناهنجاری های شبکه :

نام کنفرانس یا همایش : هشتمین کنفرانس ملی فرماندهی و کنترل ایران (C4I)

تعداد صفحات : 7

چکیده مقاله:

امروزه نیاز به استفاده از ارتباطات شبکه ای نقش مهمی را در پیش برد اهداف زیرساخت های حیاتی کشور ایفا می کند. اما آسیب پذیری های ناشی ازضعف امنیتی شبکه و همچنین فقدان برنامه های امنیتی مناسب در شناسایی حملات جدید، موجب لطمه های جبران ناپذیری بر این حوزه خواهد شد . بههمین دلیل اهمیت تشخیص نفوذ، یکی از مهمترین موضاعات مورد بحث در زمینه ی شبکه های تجاری و شخصی، به عنوان یکی از مهمترین نیازها برای جلوگیری از دسترسی های نامتعارف و یا انواع حملات به شبکه به شمار می رود. در تحقیقات اخیر، استفاده از روش های یادگیری ماشین ه دلیل توانایی ذاتی آنها در کشف حملات جدید در رویکرد مبتنی بر تشخیص ناهنجاری مورد بررسی قرار گرفته است. در این روش ها به کارگیری روش یادگیری مناسب و استخراج ویژگی های مهم از داده های ورودی از اهمیت بالایی برخوردار است. اگر چه پژوهش هایی در این زمینه صورت گرفته است ولی هیچ یک از آنها 1- به مقایسه ی کارایی روش های یادگیری مبتنی بر رویکردهای با نظارت وبدون نظارت در شرایط یکسان و 2- بررسی تاثیر روش های استخراج ویژگی بر کارایی سیستم نپرداخته است. به همین دلیل هدف از این پژوهش ارائه ی مقایسه ی کلی از کارایی روش های یادگیری ماشین در سیستم های تشخیص ناهنجاری های شبکه بر اساس رویکرد اتخاذ شده در آنها و همچنین ارزیابی تاثیر روش های استخراج ویژگی بر کارایی کل سیستم است. نتایج حاصل از انجام آزمایشات بر روی مجموعه داده ی NSLKDDنشان دهنده ی 1- برتری روش های یادگیری بدون نظارت در حالت خام بودن نمونه های ورودی و 2- بهبود کارایی روش های یادگیری با نظارت در اثر استفاده از روش های استخراج ویژگی غیرخطی است.

 

کلمات کلیدی :