| نوع مدرک: | متون چاپی |
| سرشناسه | زمان پور ، فاطمه، نویسنده |
| شماره بازیابی : | COM soft 85 1403 |
| عنوان : | تشخیص دقت حمله در شبکههای کامپیوتر با استفاده از دادهکاوی |
| عنوان موازی : | Detecting the accuracy of attacks in computer networks using data mining |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1403 |
| صفحه شمار: | 115ص |
| شابک/شاپا | 25882 |
| یادداشت | پایان نامه کارشناسی ارشد/رساله دکتری رشته مهندسی کامپیوتر گرایش نرم افزار |
| شناسه افزوده : | اکبری ، مهدی، استاد راهنما |
| توصیفگرها | شبکه کامپیوتری، طبقه بندی، داده کاوی، تشخیص حمله، نفوذ computer network, classification, data mining, attack detection, penetration |
| چکیده : | با توجه به سرعت رشد تکنولوژی و افزایش روزافزون تعداد کامپیوترهای متصل به شبکه اینترنت جهانی و شبکههای محلی، همچنین افزایش انتقال اطلاعات بر روی این شبکه؛ اهمیت امنیت شبکه بهصورت چشمگیری افزایش یافته است. یک سیستم تشخیص نفوذ، فعالیتهای یک محیط را مانیتور کرده و بررسی می شود که این فعالیتها بر اساس یکپارچگی، قابلیت اعتماد، دسترسپذیری منابع اطلاعات، مخرب یا نرمال هستند. سیستمهای تشخیص نفوذ سنتی محدود هستند و آنها پردازش دستی جامع و استنباط تخصصی انسان را نیاز دارند که کاری وقت گیر و بسیار پیچیده است. بکار بردن روشهای یادگیری ماشین رویدادهی ترافیک شبکه یکی از رویکردهای مناسب است که بدلیل افزایش مداوم حملات در شبکه های رایانه، یادگیری و طبقه بندی اطلاعات حجیم موجود درشبکه در دسته های نرمال و حمله امری ضروری به نظر می رسد. این تحقیق سیستم های تشخیص نفوذ را با استفاده از مجموعه داده CSE-CIC-IDS-2018 به طور عمیق مورد بررسی قرار می دهد. بررسی به سه مرحله تقسیم میشود:. ابتدا روی کلاس اکثریت(بدون حمله) جهت متعادل سازی داده ها از روش مبتنی بر مجاورت چگالی LOF استفاده شد تا نمونه های نویزی از این کلاس حذف شود. سپس به دلیل ابعاد بالا روش انتخاب ویژگی ریلیف(مبتنی بر همسایگی) برای انتخاب ویژگی ها تاثیرگذار بررسی شد. در فاز دسته بندی، با 4 مجموعه داده تولیدی مرحله پیش پردازش، در مرحله آموزش از تکنیکهای طبقه بندی یادگیری ماشین درخت تصمیم، گرادیان درختی، شبکه عصبی و CNN استفاده شد. و در مقایسه ، گرادیان درختی با دقت کل 98.34%، دقت کلاس نرمال با 98.78% و دقت کلاس حمله با 97% نتایج بسیار دقیقی ارایه داد و نتایج درخت پایه را بهبود داد.
این پژوهش لزوم استفاده از روش های تجمعی و انتخاب فاکتورهای تاثیرگذار و حذف داده پرت را جهت افزایش دقت ها در سیستم تشخیص نفوذ اثبات کرد. هم چنین با گزارش قوانین مفید درختی لزوم استفاده از روشهای داده کاوی در استخراج دانش اثبات شد |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=14718 |
| زبان مدرک : | فارسی |
مرتب سازی پالایش جستجو
