نام فایل : تشخيص نفوذهاي غير عادي در بستر شبكه با تشخيص outlier هايي كه از قبل بررسي نشده اند 25 ص

فرمت : .doc

تعداد صفحه/اسلاید : 18

حجم : 11 مگابایت

تشخيص نفوذهاي غير عادي

- anomaly
در بستر شبكه با تشخيص
outlier

- يك انحراف كامل از مفهوم
هايي كه از قبل بررسي نشده اند
چكيده :
تشخيص ناهنجاري (
anomaly
) موضوعي حياتي در سيستم هاي تشخيص نفوذ به شبكه است
(NIDS)

- Network Intrusion Detection Systems
. بسياري از
NIDS
هاي مبتني بر ناهنجاري «الگوريتمهاي پيش نظارت شده »

- Unsupervised Algorithm
را بكار مي گيرند كه ميزان كارايي اين الگوريتمها بسيار وابسته به دادها هاي تمريني عاري از خطا ميباشد . اين در حالي است كه در محيط هاي واقعي و در شبكه هاي واقعي تهيه اينگونه داده ها بسيار مشكل است . علاوه بر اينها ، وقتي محيط شبكه يا سرويسها تغيير كند الگوهاي ترافيك عادي هم تغيير خواهد كرد .
اين مساله به بالا رفتن نرخ مثبت نمايي
- تشخيص اشتباه كي مورد به عنوان نفوذ غير عادي ، كه موجب مي شود نرخ تشخيص ناهنجاري به صورت كاذب بالا رود
در
NIDS
هاي پيش نظارت شده منجر مي شود . تشخيص يك انحراف كامل
(outlier)
پيش نظارت نشده ميتواند بر موانعي كه در راه تشخيص ناهنجاري هاي پيش نظارت شده وجود دارد غلبه كند . به همين دليل ما الگوريتم « جنگلهاي تصادفي »

- Random forests algorithm
...