فایل ورد کامل سیستم تشخیص نفوذ شبکه با استفاده از طبقه بندی رفتار حمله

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل سیستم تشخیص نفوذ شبکه با استفاده از طبقه بندی رفتار حمله،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۱ صفحه

۵ . نتیجه گیری

تشخیص نفوذ مسئله ‌ی مهمی است که توجه زیادی را در شبکه های کامپیوتری به خود جلب کرده است. این مقاله از شبکه‌ی عصبی TDDNN برای تشخیص رفتار زمانی حملات شبکه استفاده می‌کند. سیستم ما بسته‌ها را به صورت بلادرنگ و با استفاده از یک موتور دریافت بسته دریافت می‌کند که بسته ها را با استفاده از دو لوله به یک مرحله‌ی پیش پردازش ارائه می‌دهد. مرحله‌ی پیش پردازش، ویژگی های مربوطه را برای حملات اسکن پورت و پاکسازی میزبان استخراج می‌کند، ویژگی ها را در یک خط شنود یک TDNN ذخیره می کند و خروجی هایی را تولید می کند که بیانگر رفتارهای احتمالی حمله در تعداد از پیش‌تعیین‌شده‌ای از بسته ها هستند. این خروجی‌ها توسط شبکه های عصبی تشخیص الگو برای تشخیص حملات مورد استفاده قرار می گیرند، که توسط شبکه‌ی طبقه‌بندی‌کننده طبقه‌بندی می شوند تا هشدارهای حمله را تولید نمایند. از مجموعه داده‌های DARPA برای ارزیابی سیستم‌ها از نظر راندمان و قابلیت تشخیص استفاده می‌گردد. نتایج تست نشان می‌دهند که سیستم ما تمام انواع حملات را بسیار سریع‌تر از سیستم‌های مبتنی بر قانون مثل SNORT تشخیص می‌دهد.

عنوان انگلیسی:Network Intrusion Detection System Using Attack Behavior Classification~~en~~

V. CONCLUSIONS

Intrusion detection is an important issue that has received a lot of attention in computer networks. This paper uses TDDNN neural network to recognize the temporal behavior of network attacks. Our system captures packets in real time using a packet capture engine that presents the packets to a preprocessing stage using two pipes. The preprocessing stage extracts the relevant features for port scan and host sweep attacks, stores the features in a tapped line of a TDNN, and produces outputs that represent possible attack behaviors in a pre-specified number of packets. These outputs are used by the pattern recognition neural networks to recognize the attacks, which are classified, by the classifier network to generate attack alerts. DARPA data sets are used to evaluate the systems in terms of recognition capability and throughput. Test results show that our system detects all types of attacks much faster than rulebased systems such as SNORT.

$$en!!