یک روش مؤثر تشخیص حمله به شبکه بر اساس PCA کرنل LSTM-RNN

یک روش مؤثر تشخیص حمله به شبکه بر اساس PCA کرنل LSTM-RNN

نوع فایل : word

تعداد صفحات : 15

تعداد کلمات : 3200

مجله : International Conference on Computer Systems, Electronics and Control (ICCSEC)

انتشار : 2017

ترجمه ی متون جدول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : ب نازنین 12

تاریخ انتشار
16 جولای 2020
دسته بندی
تعداد بازدیدها
2058 بازدید
29,500 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:یک روش مؤثر تشخیص حمله به شبکه بر اساس PCA کرنل LSTM-RNN

  چکیده

 سیستم تشخیص نفوذ (IDS) به منظور تشخیص هر دو حملات مخرب شناخته شده و ناشناخته ساخته شده است. چندین الگوریتم یادگیری ماشینی به طور گسترده‌ای در IDS نظیر شبکه‌ی عصبی، SVM و KNN استفاده می‌شود. با این حال، این الگوریتم‌ها هنوز دارای محدودیت‌هایی نظیر نرخ هشدار کاذب و مثبت کاذب بالا می‌باشند. به منظور غلبه بر چالش بالا، ما یک روش تشخیص حمله‌ی مؤثر و جدید را بر اساس تحلیل مؤلفه‌های اصلی کرنل (PCA) و شبکه‌ی عصبی برگشتی حافظه‌ی کوتاه مدت (LSTM-RNN) پیشنهاد می‌کنیم. به منظور دست یابی به نرخ تشخیص با صحت بالا، پیش پردازش داده‌ها، استخراج ویژگی، تشخیص حمله در داخل یک روش تشخیص انتها به انتها یا سراسری، قرار می‌گیرد. به منظور ارزیابی روش، مجموعه داده‌ی NSL-KDD شناخته شده شده استفاده شده است. نتایج آزمایش نشان می‌دهد که استراتژی تشخیص حمله پیشنهادی عملکرد بهتری از چندین استراتژی تشخیص که از SVM، شبکه‌ی عصبی یا روش‌های بیزی استفاده می‌کنند دارد(روش مؤثر تشخیص حمله به شبکه).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: An effective network attack detection method based on kernel PCA and LSTMRNN

 

Abstract

Intrusion Detection System (IDS) is built to detect both known and unknown malicious attacks. Several machine learning algorithms are used widely in IDS such as neural network, SVM, KNN etc. However, these algorithms have still some limitations such as high false positive and false alarm rate. To overcome above challenge, we propose a novel effective attack detection method based on kernel principal component analysis (PCA) and long short-term memory recurrent neural network (LSTM-RNN). To achieve high accurate detection rate, data preprocessing, feature extraction, attack detection is seamlessly integrated into an end-to-end detection method. To assess the method, the well-known NSL-KDD dataset has been used. The results of experimental show that the proposed attack detection strategy greatly outperforms several attack detection strategy that use SVM, neural network or Bayesian methods.

دیدگاهتان را بنویسید