فایل ورد کامل رویکردی نوین برای شناسایی نفوذ با استفاده از شبکه های عصبی مصنوعی و خوشه بندی فازی

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 رویکردی نوین برای شناسایی نفوذ با استفاده از شبکه های عصبی مصنوعی و خوشه بندی فازی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۰ صفحه

۵- نتایج و جهت‌گیری‌های آتی
پیشگیری از نقض امنیت به طور کامل با استفاده از فن‌آوری‌های امنیتی فعلی امکان‌ناپذیر است. در نتیجه، تخشخیص نفوذ مولفه‌ای مهم در امنیت شبکه محسوب می‌شود. IDS مزایای بالقوه‌ای از کاهش نیروی انسانی مورد نیاز در پایش، افزایش کارآیی تشخیص ارائه نموده است که منتج به ارائه داده‌هایی می‌شود تا به جامعه امنیت اطلاعات در راستای یادگیری آسیب‌پذیری‌های جدید و ارائه شواهد قانونی کمک کند.
در این مقاله، رویکرد تشخیص نفوذ جدیدی موسوم به FC-ANN را بر اساس خوشه بندی فازی و ANN پیشنهاد نمودیم. از طریق تکنیک خوشه‌بندی فازی، مجموعه آموزشی غیریکنواخت به چندین زیرمجموعه یکنواخت تقسیم شد. بنابراین، پیچیدگی هر زیرمجموعه آموزشی کاهش یافته و در نتیجه عملکرد تشخیص افزایش می‌یابد. نتایج تجربی با استفاده از مجموعه داده KDD CUP 1999، اثربخشی رویکرد جدید ما را به ویژه برای حملات با تناوب کمتر مانند R2L و U2R برحسب دقت تشخیص و پایداری تشخیص نشان داده است. در تحقیقات آتی، به نحوه تعیین تعداد مناسب خوشه‌ها در یک مسئله می‌پردازیم. علاوه بر این، سایر تکنیک‌های داده کاوی مانند ماشین بردار حامی، محاسبات تکاملی، تشخیص برون‌هشتگی می‌تواند از طریق IDS معرفی شود. مقایسه تکنیک‌های داده کاوی مختلف راهنمایی‌هایی برای ایجاد ANN هیبریدی کارآ برای تشخیص نفوذها فراهم خواهد آورد.

عنوان انگلیسی:A new approach to intrusion detection using Artificial Neural Networks and fuzzy clustering~~en~~

۵ Conclusions and future directions

Prevention of security breaches completely using the existing security technologies is unrealistic. As a result, intrusion detection is an important component in network security. IDS offers the potential advantages of reducing the manpower needed in monitoring, increasing detection efficiency, providing data that would otherwise not be available, helping the information security community learn about new vulnerabilities and providing legal evidence. In this paper, we propose a new intrusion detection approach, called FC-ANN, based on ANN and fuzzy clustering. Through fuzzy clustering technique, the heterogeneous training set is divided to several homogenous subsets. Thus complexity of each sub training set is reduced and consequently the detection performance is increased. The experimental results using the KDD CUP 1999 dataset demonstrates the effectiveness of our new approach especially for low-frequent attacks, i.e., R2L and U2R attacks in terms of detection precision and detection stability. In future research, how to determine the appropriate number of clustering remains an open problem. Moreover, other data mining techniques, such as support vector machine, evolutionary computing, outlier detection, may be introduced into IDS. Comparisons of various data mining techniques will provide clues for constructing more effective hybrid ANN for detection intrusions.

$$en!!