مقاله isi علوم پایه و فنی مهندسی (فیزیک، شیمی، ریاضی، کامپیوتر، انواع مهندسی و ...) با ترجمه
678 subscribers
17 photos
1 video
314 links
مقاله ISI با ترجمه آماده
ترجمه تخصصی
مقاله نویسی و رزومه
پایان نامه

کانال شامل #مقاله_isi رشته های:
#مقاله_مهندسی_شیمی
#مقاله_شیمی
#مقاله_کامپیوتر
#مقاله_انرژی
#مقاله_مهندسی
#مقاله_علوم_مواد
#مقاله_ریاضی
#مقاله_فیزیک



Admin: @entofa_net
web: entofa.net
Download Telegram
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : سیستم تشخیص نفوذ توزیع شده برای محیط های ابری بر اساس تکنیک های داده کاوی
.
English Article Title: Distributed Intrusion Detection System for Cloud Environments based on Data Mining techniques
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.01.095

Keywords:
#Intrusion_Detection_Systems
#Data_Mining_techniques
#Cloud_Computing
#Machine_Leaning
#Hadoop
#MapReduce
#سیستم‌_تشخیص_نفوذ
#داده_کاوی
#نفوذ
#محاسبات_ابری
#یادگیری_ماشین
#هادوپ
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)

چکیده مقاله:
تقریبا دو دهه بعد از ظهور آنها؛ محاسبات ابری همچنان در میان سازمان ها و کاربران فردی در حال افزایش است. بسیاری از مسائل امنیتی همراه انتقال برای این الگوی محاسباتی شامل تشخیص نفوذ به وجود می اید. ابزارهای حمله و نفوذ با شکستن سیستم های تشخیص نفوذ سنتی (IDS) با مقدار زیادی از اطلاعات ترافیک شبکه و رفتارهای پویا پیچیده تر شده است. IDSs ابری موجود از کمبود دقت تشخیص؛ نرخ مثبت کاذب بالا و زمان اجرای بالا رنج می برد. در این مقاله ما یک یادگیری توزیع ماشینی بر مبنی سیستم تشخیص نفوذ برای محیط های ابری را ارائه می دهیم. سیستم پیشنهاد شده برای مندرجات در سمت ابری به وسیله اندازه همراه اجزای شبکه لبه از ابرهای ارائه شده است. اینها به ترافیک رهگیری شبکه های ورودی به لبه شبکه routers از از لایه فیزیکی اجازه می دهد. یک الگوریتم پنجره کشویی (sliding window) مبتنی بر زمان برای پیش پردازش شبکه گرفتار ترافیک در هر router ابری استفاده می شود و سپس در نمونه تشخیص ناهنجاری دسته بندی Naive Bayes استفاده می شود. یک مجموعه از گره های سرور کالا بر مبنی یک Hadoop و MapReduce برای هر نمونه تشخیص ناهنجاری از زمانی که تراکم شبکه افزایش می یابد؛ در دسترس است. برای هر پنجره زمانی؛ داده ترافیک ناهنجاری شبکه در هر طرف router برای یک سرور ذخیره سازی مرکزی هماهنگ شده است. بعد؛ یک طبقه بندی یادگیری گروهی بر مبنی یک Forest تصادفی برای اجرای یک مرحله دسته بندی چند کلاسه نهایی به منظور تشخیص انواعی از هر حمله استفاده می شود.

لغات کلیدی: سیستم های تشخیص نفوذ | محاسبات ابری | یادگیری ماشین | هادوپ | MapReduce

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/36nA3kR