فایل ورد کامل تشخیص نفوذ شبکه مبتنی بر فراخوان های سیستمی و داده کاوی

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 تشخیص نفوذ شبکه مبتنی بر فراخوان های سیستمی و داده کاوی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۵ صفحه

۶- نتیجه‌گیری
در این مقاله روش تشخیص نفوذ جدیدی را با استفاده از ایجاد پروفایل‌های رفتاری عادی برای برنامه‌های ممتاز براساس تکنیک داده کاوی پیشنهاد نمودیم که بر سیستم‌های تشخیص نفوذ مبتنی بر میزبان اجرا شده است. این روش به دلیل کارآیی محاسباتی و دقت تشخیص مورد توجه قرار گرفته و به طور خاص برای تشخیص آنلاین مناسب است. نتایج تجربه ما نشان می‌دهد این روش می‌تواند دقت تشخیص بالاتری نسبت به روش‌های معمول موجود مانند روش مبتنی بر HMM و روش مبتنی بر توالی کسب کند زیرا به لحاظ هزینه محاسباتی مقرون به صرفه‌تر است. روش پیشنهادی همچنین برای تفکیک داده رفتاری از سایر موضوعات مانند فرامین پوسته از یک کاربر و رویدادهای گزارشی از یک ماشین میزبان قابل اجرا می‌باشد.

عنوان انگلیسی:Network intrusion detection based on system calls and data mining~~en~~

۶ Conclusion

In this paper we propose a novel intrusion detection method by establishing normal behavior profiles for privileged programs on the basis of the data mining technique, which has been applied to practical host-based intrusion detection systems. The method gives attention to both computational efficiency and detection accuracy, and is especially suitable for online detection. The results of our experience show our method can achieve higher detection accuracy than the existing typical methods such as HMM-based method in Ref. [5] and the sequencebased method in Ref. [8], while computational cost of our method is much smaller. The proposed method is also applicable to discrete behavior data from other subjects such as shell commands from a user and audit events from a host machine.

$$en!!