نام فایل : تشخيص-نفوذهاي-غير-عادي-در-بستر-شبكه-با-تشخيص-outlier-هايي-كه-از-قبل-بررسي-نشده-اند-25-ص
فرمت : .doc
تعداد صفحه/اسلاید : 18
حجم : 96 کیلوبایت
تشخيص نفوذهاي غير عادي - anomaly در بستر شبكه با تشخيص outlier - يك انحراف كامل از مفهوم هايي كه از قبل بررسي نشده اندچكيده :تشخيص ناهنجاري (anomaly) موضوعي حياتي در سيستم هاي تشخيص نفوذ به شبكه است (NIDS) - Network Intrusion Detection Systems . بسياري از NIDS هاي مبتني بر ناهنجاري «الگوريتمهاي پيش نظارت شده » - Unsupervised Algorithm را بكار مي گيرند كه ميزان كارايي اين الگوريتمها بسيار وابسته به دادها هاي تمريني عاري از خطا ميباشد . اين در حالي است كه در محيط هاي واقعي و در شبكه هاي واقعي تهيه اينگونه داده ها بسيار مشكل است . علاوه بر اينها ، وقتي محيط شبكه يا سرويسها تغيير كند الگوهاي ترافيك عادي هم تغيير خواهد كرد .اين مساله به بالا رفتن نرخ مثبت نمايي - تشخيص اشتباه كي مورد به عنوان نفوذ غير عادي ، كه موجب مي شود نرخ تشخيص ناهنجاري به صورت كاذب بالا رود در NIDS...
فرمت : .doc
تعداد صفحه/اسلاید : 18
حجم : 96 کیلوبایت
تشخيص نفوذهاي غير عادي - anomaly در بستر شبكه با تشخيص outlier - يك انحراف كامل از مفهوم هايي كه از قبل بررسي نشده اندچكيده :تشخيص ناهنجاري (anomaly) موضوعي حياتي در سيستم هاي تشخيص نفوذ به شبكه است (NIDS) - Network Intrusion Detection Systems . بسياري از NIDS هاي مبتني بر ناهنجاري «الگوريتمهاي پيش نظارت شده » - Unsupervised Algorithm را بكار مي گيرند كه ميزان كارايي اين الگوريتمها بسيار وابسته به دادها هاي تمريني عاري از خطا ميباشد . اين در حالي است كه در محيط هاي واقعي و در شبكه هاي واقعي تهيه اينگونه داده ها بسيار مشكل است . علاوه بر اينها ، وقتي محيط شبكه يا سرويسها تغيير كند الگوهاي ترافيك عادي هم تغيير خواهد كرد .اين مساله به بالا رفتن نرخ مثبت نمايي - تشخيص اشتباه كي مورد به عنوان نفوذ غير عادي ، كه موجب مي شود نرخ تشخيص ناهنجاري به صورت كاذب بالا رود در NIDS...