ارزیابی الگوریتم های با ناظر در یادگیری ماشین جهت تشخیص نفوذ

مقاله ارزیابی الگوریتم‌ های با ناظر در یادگیری ماشین جهت تشخیص نفوذ ، در این پست قصد داریم به معرفی مقاله ای تحت عنوان “Performance Evaluation of Supervised Machine Learning Algorithms for Intrusion Detection” بپردازیم و اطلاعات مختصری به همراه فایل مقاله را در اختیار شما قرار بدهیم.این روال در آینده نیز ادامه خواهد داشت و مقالات زیادی در زمینه های مختلف به همراه توضیحات در اختیار کاربران عزیز قرار خواهیم داد.در ضمن توجه داشته باشید که کارشناسان وب سایت مطلب دی ال در صورت سفارش شما قادر به پیاده سازی هر کدام از این مقالات از جمله این مقاله که امروز در اختیار شما قرار می دهیم در نرم افزار متلب و سایر نرم افزارهای مربوطه یا زبان های برنامه نویسی درخواستی شما از جمله زبان برنامه نویسی پایتون و … خواهند بود.

مقاله ارزیابی الگوریتم‌ های با ناظر در یادگیری ماشین جهت تشخیص نفوذ

چکیده مقاله

سیستم های تشخیص نفوذ نقش مهمی در امنیت شبکه‌ بر عهده دارند.مدل های تشخیص نفوذ، مدل های پیش بینی‌ کننده ای هستند که برای پیش بینی اینکه داده های ترافیکی شبکه نرمال هستند یا نفوذ به کار می‌روند. الگوریتم های یادگیری ماشین، برای ساخت مدل های دقیق در خوشه‌بندی، طبقه‌بندی و پیش بینی به کار می‌روند. در این مقاله، مدل های پیش بینی‌کننده و طبقه‌بندی برای تشخیص نفوذ به کمک الگوریتم های طبقه‌بندی در یادگیری ماشین مانند، رگرسیون خطی، بیز ساده گوسی، ماشین بردار پشتیبان و جنگل تصادفی تولید شدند. این الگوریتم‌ها روی مجموعه داده NSL-KDD مورد ارزیابی قرار گرفتند. نتایج آزمایشات نشان داد در میان الگوریتم‌های مذکور، الگوریتم جنگل تصادفی کارایی بهتری داشته است. و تشخیص بهتری از اینکه کدام داده نرمال و کدام داده نفوذ هست، داشت.

توضیحات مقاله ارزیابی الگوریتم های با ناظر در یادگیری ماشین جهت تشخیص نفوذ

به طور کلی در مورد مقاله ارزیابی الگوریتم های با ناظر در یادگیری ماشین جهت تشخیص نفوذ (Performance Evaluation of Supervised Machine Learning Algorithms for Intrusion Detection) می‌توان گفت؛ هدف اصلی این مقاله بررسی روش های مختلف یادگیری ماشین در تشخیص نفوذ جهت امنیت شبکه های اینترنتی است. الگوریتم هایی که در این مقاله استفاده شده است همگی بر پایه الگوریتم های با ناظر در یادگیری ماشین بوده است. هم چنین ایده اصلی این مقاله به صورت شکل زیر بوده است.

همچنین بخوانید: تشخیص افراد عینکی و غیر عینکی به کمک طبقه بندهای svm ، شبکه عصبی و بیز ساده

بر اساس این شکل، ایده اصلی این مقاله ترکیب طبقه‌بندها بوده است. بر همین اساس پس از ساخت طبقه‌بندهای پایه آنها را با یکدیگر ترکیب کرده است. همانگونه که در این شکل مشخص است، این مقاله از مجموعه داده NSL-KDD استفاده کرده است. و برای استفاده از این مجموعه داده پیش پردازشی نیز روی داده‌ها انجام داده است. روش مذکور با استفاده از معیارهای دقت، صحت، معیار F و فراخوانی مورد ارزیابی قرار گرفته است.

همچنین بخوانید: شبیه سازی مقاله تشخیص ناهنجاری در شبکه های کامپیوتری با استفاده از داده کاوی در متلب

پیاده سازی مقاله

این پروژه (پیاده سازی این مقاله) در کمترین زمان ممکن برای متقاضی با نرم افزار متلب (MATLAB) آماده خواهد شد. هم چنین نتایج روش آورده خواهد شد. در صورت درخواست متقاضی ایده های جدید نیز به مقاله اضافه می‌کنیم. نمونه‌ای از ایده‌ای که می‎تواند به این مقاله اضافه گردد در زیر آورده شده است.

ایده برای کار جدید (متناسب با این مقاله)

استفاده از روش های انتخاب ویژگی و کاهش ابعاد

عنوان مقاله به انگلیسی : Performance Evaluation of Supervised Machine Learning Algorithms for Intrusion Detection
عنوان مقاله به فارسی: ارزیابی الگوریتم‌ های با ناظر در یادگیری ماشین جهت تشخیص نفوذ
سال انتشار: ۲۰۱۶
مجله: Elsevier
زبان مقاله: انگلیسی
کد مقاله: MSH100