کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6952883 1451799 2018 47 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive and online network intrusion detection system using clustering and Extreme Learning Machines
ترجمه فارسی عنوان
سیستم تشخیص نفوذ شبکه سازگار و آنلاین با استفاده از خوشه بندی و ماشین های آموزش افراطی
ترجمه چکیده
با وجود حجم زیادی از تحقیقات انجام شده در زمینه تشخیص نفوذ، پیدا کردن یک راه حل کامل از سیستم های تشخیص نفوذ برای برنامه های کاربردی بحرانی هنوز یک چالش عمده است. این عمدتا به دلیل ظهور مستمر تهدیدات امنیتی است که می تواند سیستم های تشخیص نفوذ قدیمی را از بین ببرد. هدف اصلی این مقاله ارائه یک طراحی سازگار از سیستم های تشخیص نفوذ بر اساس ماشین های آموزش افراطی است. سیستم پیشنهادی قابلیت شناسایی حملات شناخته شده و جدید را فراهم می کند و با توجه به روند جدید الگوهای اطلاعات ارائه شده توسط کارشناسان امنیتی به شیوه ای مقرون به صرفه به روز می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
پیش نمایش مقاله
سیستم تشخیص نفوذ شبکه سازگار و آنلاین با استفاده از خوشه بندی و ماشین های آموزش افراطی
چکیده انگلیسی
Despite the large volume of research conducted in the field of intrusion detection, finding a perfect solution of intrusion detection systems for critical applications is still a major challenge. This is mainly due to the continuous emergence of security threats which can bypass the outdated intrusion detection systems. The main objective of this paper is to propose an adaptive design of intrusion detection systems on the basis of Extreme Learning Machines. The proposed system offers the capability of detecting known and novel attacks and being updated according to new trends of data patterns provided by security experts in a cost-effective manner.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of the Franklin Institute - Volume 355, Issue 4, March 2018, Pages 1752-1779
نویسندگان
, , , ,