فایل ورد کامل سیستم های تشخیص نفوذ با استفاده ازتکنیک های داده کاوی: ماشین بردار پشتیبانی

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 های تشخیص نفوذ با استفاده ازتکنیک های داده کاوی: ماشین بردار پشتیبانی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۲ صفحه

هنگامی که نفوذ غیر مجاز اتفاق می افتد, امنیت و حریم یک سیستمم با این اقدام سازگار می شود. سیستم تشخیص نفوذ(IDS) نقش مهمی در امنیت شبکه ایفا می کند. بنابراین در اینجا ما سیستم تشخیص نفوذ با استفاده از شیوه استخراج داده را مطرح می کنیم. SVM( ماشین بردار پشتیبان) در اینجا طبقه بندی با استفاده از SVM انجام می شود. و بررسی مربوط به سودمندی سیستم مفروض با انجام برخی از آزمایشات با استفاده از مجموعه NSL KDD CUP99 انجام می شود که نسخه پیشرفته ای از مجموعه داده KDD CUP99 می باشد.SVM یکی از برجسته ترین الگوریتم های طبقه بندی در حوزه استخراج داده ( داده کاوی) است اما عیب آن زمان آموزش زیاد می باشد. در این سیستم مفروض ما با استفاده از مجموعه داده NSL-KDD CUP99 برخی از آزمایشات را انجام دادیم. نتایج آزمایشی نشان دادند که ما می توانیم زمان زیاد لازم برای ایجاد مدل SVM را با استفاده از پیش پردازش صحیح مجموعه داده کاهش دهیم. همچنین, هنگامی که انتخاب درست تابع کرنل SVM از جمله تابع بنیادی شعاعی گاوسی را درست انجام دهیم, سرعت کشف حمله SVM افزایش می یابد و سرعت مثبت نادرست (FPR) کاهش می یابد.

کلمات کلیدی: طبقه بندی | سیستم تشخیص نفوذ(IDS) | تابع کرنل | NSL_KDD | پیش پردازش | ماشین برداری پشتیبان(SVM).

عنوان انگلیسی:

Intrusion Detection System Using Data Mining Technique: Support Vector Machine

~~en~~ writers :

Yogita B. Bhavsar1, Kalyani C.Waghmare

Security and privacy of a system is
compromised, when an intrusion happens. Intrusion
Detection System (IDS) plays vital role in network security
as it detects various types of attacks in network. So here, we
are going to propose Intrusion Detection System using data
mining technique: SVM (Support Vector Machine). Here,
Classification will be done by using SVM and verification
regarding the effectiveness of the proposed system will be
done by conducting some experiments using NSL-KDD
Cup’۹۹ dataset which is improved version of KDD Cup’۹۹
data set. The SVM is one of the most prominent
classification algorithms in the data mining area, but its
drawback is its extensive training time. In this proposed
system, we have carried out some experiments using NSLKDD Cup’۹۹ data set. The experimental results show that
we can reduce extensive time required to build SVM model
by performing proper data set pre-processing. Also when
we do proper selection of SVM kernel function such as
Gaussian Radial Basis Function, attack detection rate of
SVM is increased and False Positive Rate (FPR) is decrease.

Keywords: Classification | Intrusion Detection System IDS | Kernel Function | NSL- KDD, Preprocessing | Support Vector Machine | SVM

$$en!!