ارایه روش جدیدی برای ترکیب خوشه بندی و هوش محاسباتی در کاربردهای سیستمهای تشخیص نفوذ

چکیده مقاله

سیستم های تشخیص نفوذ IDS ها به احتمال زیاد می توانند هزاران هشدار در روز ایجاد کنند که بیش از 99 درصد از آنها کاذب هستند یعنی، هشدارهایی که موجب به راه انداختن واکنش های نادرست به واسطه رویدادهای بی خطر می شوند سیستم تشخیص نفوذ ، در ابتدا برنامه های داده کاوی را برای بررسی دقیق داده به کار می برد تا الگوهای مکرر را محاسبه نموده، ویژگی ها را استخراج کرده و در نتیجه از الگوریتم های طبقه بندی برای محاسبه الگوهای تشخیص استفاده کند یکی از مهمترین تکنیک های هوش محاسباتی که در زمینه سیستمهای تشخیص نفوذ استفاده می گردند ، قوانین وابستگی یا همان قوانین رابطه ای می باشند همچنین یکی از بهترین و محبوبترین ابزارهای هوش محاسباتی استفاده از قوانین رابطه ای فازی می باشد سیستم تشخیص نفوذ می تواند این قوانین ارتباطی مربوط به پاسخ های منفی را استخراج کرده و با انواع آستانه های پشتیبانی عملکرد بهتری را نسبت به استخراج قوانین رابطه استاندارد ارایه کند این مقاله روش نوینی را برای مدیریت هشدارهای IDS در رابطه با ویژگی های بسیار مهم قانون داده کاوی نسبت به IDS و با استفاده از قوانین رابطه فازی برای طراحی و اجرای سیستم تشخیص نفوذ غیرعادی در شبکه را تلفیق می کند

کلیدواژه‌ها

نویسندگان

فاطمه صفایی فیروزآبادی

دانشجویی کارشناسی ارشد دانشگاه آزاد اسلامی واحد میبد

�فایی فیروزآبادی، فاطمه،1395،ارایه روش جدیدی برای ترکیب خوشه بندی و هوش محاسباتی در کاربردهای سیستمهای تشخیص نفوذ،سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر،تهران

ارائه‌شده در

مجموعه مقالات چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر23 دی 1395 · تهران