فایل ورد کامل تشخیص نفوذ شبکه با استفاده از خوشه بندی فازی پویای C Means

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 با استفاده از خوشه بندی فازی پویای C Means،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۱ صفحه

اینترنت ، به بخش حیاتی هر سازمان تبدیل شده است. اما با رشد اینترنت، نفوذ و حملات نیز افزایش یافته است. بنابراین، نیاز به سیستم های تشخیص نفوذ قدرتمند و قوی افزایش یافته است. این سیستم ها قادر به شناسایی حملات هستند. اخیرا، بسیاری از روش های جدید به منظور ساخت سیستم های تشخیص دخالت (IDS) قدرتمند، مورد آزمایش قرار گرفته اند. در این مقاله ، ما از الگوریتم پویای بهبود یافته ی جدید FCM استفاده کرده و آن را به صورت موفقیت آمیز در WEKA به منظور گسترش عملکرد سیستم پلت فرم منبع باز، اغام کرده ایم بطوریکه کاربران قادر خواهند بود تا به صورت مستقیم با الگوریتم FCM به منظور انجام بررسی خوشه بندی فازی، ارتباط برقرار کنند. همچنین، با توجه به کمبود الگوریتم FCM کلاسیک در انتخاب مراکز اولیه ی خوشه، ما الگوریتم بهبود یافته ی DFCM را که استراتژی جدیدی را برای بهینه سازی انتخاب مراکز خوشه ای اصلی اتخاذ می کند، مطرح می کنیم.
یک طبقه بندی جدید از طریق الگوریتم خوشه بندی فازی پویای C Means به منظور ساخت یک آنومالی اثربخش مبتنی بر مدل تشخیص نفوذ شبکه ارائه شده است. یک زیر مجموعه از مجموعه داده های معیاری تشخیص نفوذ KDD Cup 99 برای این آزمایش مورد استفاده قرار گرفته است. مفهوم جدید مطرح شده از نظر دقت تشخیص اثر بخش بوده و نرخ پایین مثبت کاذبی را در مقایسه با سایر روش های موجود داراست.

کلمات کلیدی: تشخیص نفوذ شبکه | خوشه بندی فازی | WEKA | خوشه بندی پویا | C Means فازی پویای بهبود یافته (IDFCM)

عنوان انگلیسی:

Network Intrusion Detection Using Dynamic Fuzzy C Means Clustering

~~en~~ writers :

Richa Sampat, Shilpa Sonawani

Internet has become a vital part of any organization. But with the growth of internet,
intrusion and attacks have also increased. Thus, there arises a need of robust and powerful
intrusion detection systems which can detect the attacks. Recently, many novel methods are
experimented to build strong IDSs. In this paper, we implement a new Improved Dynamic
FCM algorithm and successfully integrate it in WEKA to expand the system functions of
the open-source platform, so that users can directly call the FCM algorithm to do fuzzy
clustering analysis. Besides, considering the shortcoming of the classical FCM algorithm in
selecting the initial cluster centers, we represent this Improved DFCM algorithm which
adopts a new strategy to optimize the selection of original cluster centers. A novel
classification via dynamic fuzzy c means clustering algorithm has been proposed to build
an efficient anomaly based network intrusion detection model. A subset of KDD Cup 99
intrusion detection benchmark dataset has been used for the experiment. The proposed
novel concept will be efficient in terms of detection accuracy, low false positive rate in
comparison to the other existing methods.

Keywords: Network Intrusion Detection | Fuzzy Clustering | WEKA | Dynamic clustering | Improved Dynamic Fuzzy C Means (IDFCM).

$$en!!