به سمت یک تشخیص نفوذ مبتنی بر ناهنجاری کارآمد برای شبکه های تعریف شده توسط نرم افزار
| عنوان | به سمت یک تشخیص نفوذ مبتنی بر ناهنجاری کارآمد برای شبکه های تعریف شده توسط نرم افزار |
|---|---|
| نویسنده | لطح، مجد، توکر، ال. |
| تاریخ انتشار: | 2018-08-24 |
| محل انتشار | - موسسه مهندسی و فناوری |
| موضوع | شبکه های تعریف شده نرم افزار، امنیت شبکه، هوش مصنوعی |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 2047-4954 |
| شماره ثبت | e772d7dc-4f29-4cd3-9eeb-8206a50fd469 |
| تاریخ | 2018-08-24 |
| متن نمونه | شبکه تعریف شده با نرم افزار (SDN) یک الگوی جدید است که امکان توسعه برنامه های کاربردی شبکه انعطاف پذیرتر را فراهم می کند. یک کنترلر SDN که یک نقطه کنترل متمرکز را نشان می دهد، مسئول اجرای برنامه های مختلف شبکه و همچنین حفظ خدمات و عملکردهای مختلف شبکه است. انتخاب یک سیستم تشخیص نفوذ کارآمد به کاهش سربار کنترلر در حال اجرا کمک می کند و شبکه ایمن تر ایجاد می کند. در این مطالعه، ما عملکرد روشهای تشخیص نفوذ شناخته شده مبتنی بر ناهنجاری را از نظر دقت، نرخ هشدار کاذب، دقت، فراخوان، اندازهگیری f1، منحنی مشخصه عملگر گیرنده، زمان اجرا و آزمون مکنمار بررسی میکنیم. دقیقاً، نویسندگان بر روی رویکردهای یادگیری ماشینی نظارت شده تمرکز میکنند که در آن ما از طبقهبندیکنندههای زیر استفاده میکنیم: درختهای تصمیم، ماشین یادگیری افراطی، Naive Bayes، تجزیه و تحلیل متمایز خطی، شبکههای عصبی، ماشینهای بردار پشتیبان، جنگل تصادفی، K-نزدیکترین همسایه، AdaBoost، RUSBoost، LogitBoost، درجایی که we Employn-BaggingKDre شناخته شده است. برای مقایسه عملکرد هر یک از این طبقه بندی کننده ها. |
| DOI | 10.1049/iet-net.2018.5080 |
