دانلود مقاله ترجمه شده تشخیص نفوذ در شبکه های هیبریدی(ترکیبی)، مبتنی بر تکنیک داده کاوی

چکیده

سالیان سال است که سیستم های تشخیص نفوذ (IDS)، نقشی کارآمد و مهم را در رسیدن به سطح بالایی از امنیت در تشخیص فعالیت های مخرب بازی می­کنند. به منظور پاسخ به نیازمندی های پیوسته و سنگین تحلیل ترافیک شبکه، مدل دسته بندی ای که برای پاسخ به این نیازمندی ایجاد می­شود باید از سرعت بالایی برخوردار باشد. Naïve Bayes را می­توان یکی از مدل های دسته بندی دانست که با توجه به ماهیت پیچیدگی عملیاتی کمی در آن، قادر به پیش بینی سریع می­باشد. از این رو پیش بینی سریع را می­توان دلیلی دانست مبنی بر اینکه مطالعات زیادی در سال های اخیر با استفاده از روش بایسان در این زمینه صورت گرفته است. در این مقاله قصد داریم یک مدل هیبریدی جددی را به منظور تقلید از مدل Naïve Bayes (نوع ایستا) به همراه روش های  اکثریت جدول تصمیم (مبتنی بر قاعده) ارائه دهیم. نتایج آزمایشی نشان داده اند که روش ما قادر به ارائه ی کارائی بهتری در نرخ تشخیص و همچنین نرخ مثبت کاذب و با زمان پیش بینی قابل قبول می­باشد

1-مقدمه

با توجه به توسعه ی سریع و گسترده ی تکنولوژی های شبکه ای،  امنیت را میتوان یکی از نگرانی های عمده ی شبکه های امروزی در زمینه ی شبکه های اجتماعی، تجارت الکترونیک، آموزش الکترونیکی و خرید آنلاین دانست.  هکر ها و مهاجمین، تلاش های موفقیت آمیزی زیادی در زمینه ی از کار انداختن  وب سرور ها و شبکه های شرکت های مطرح انجا داده اند. متد های زیادی نیز به منظور ایمن سازی زیرساختار شبکه و ارتباطات در بستر اینترنت ارائه شده است. بعضی از این متد ها، از دیواره های آتش، رمز نگاری و شبکه های خصوصی مجازی (VPN) استفاده می­کنند. تشخیص نفوذ را میتوان یک مازاد جدیدی برای چنین تکنیک هایی دانست. یک سیستم تشخیص نفوذ (IDS) را می­توان دستگاهی(یا برنامه ای ) دانست که فعالیت های شبکه/سیستم را مورد نظارت قرار داده و داده ها را به منظور کشف نقاط آسیب پذیر و حملات رو به پیشرفت مورد تخلیل قرار داده و گزارشات یا هشدار هایی را مبنی بر وجود این حملات تولید می­کند[1]. این آلارم ها در زمانی تولید شده که یک نفوذی در سیستم اتفاق افتاده باشد...