FuzzyData Mining and Genetic Algorithms Applied to Intrusion Detection

دانلود کتاب FuzzyData Mining and Genetic Algorithms Applied to Intrusion Detection

دسته: الگوریتم ها و ساختارهای داده

55000 تومان موجود

کتاب داده کاوی فازی و الگوریتم های ژنتیک به کار رفته در تشخیص نفوذ نسخه زبان اصلی

دانلود کتاب داده کاوی فازی و الگوریتم های ژنتیک به کار رفته در تشخیص نفوذ بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 10


توضیحاتی در مورد کتاب FuzzyData Mining and Genetic Algorithms Applied to Intrusion Detection

نام کتاب : FuzzyData Mining and Genetic Algorithms Applied to Intrusion Detection
عنوان ترجمه شده به فارسی : داده کاوی فازی و الگوریتم های ژنتیک به کار رفته در تشخیص نفوذ
سری :
نویسندگان : ,
ناشر :
سال نشر : 2000
تعداد صفحات : 14

زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 123 کیلوبایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :


ما در حال توسعه یک نمونه اولیه سیستم تشخیص نفوذ هوشمند (IIDS) برای نشان دادن اثربخشی تکنیک‌های داده کاوی هستیم که از منطق فازی و الگوریتم‌های ژنتیک استفاده می‌کنند. این سیستم هم تشخیص نفوذ مبتنی بر ناهنجاری را با استفاده از تکنیک های داده کاوی فازی و هم تشخیص سوء استفاده را با استفاده از تکنیک های سنتی سیستم خبره مبتنی بر قانون ترکیب می کند. اجزای مبتنی بر ناهنجاری با استفاده از تکنیک های داده کاوی فازی توسعه یافته اند. آنها به دنبال انحراف از الگوهای ذخیره شده رفتار عادی هستند. الگوریتم های ژنتیک برای تنظیم توابع عضویت فازی و انتخاب مجموعه ای مناسب از ویژگی ها استفاده می شود. اجزای تشخیص سوء استفاده به دنبال الگوهای رفتاری توصیف شده قبلی هستند که احتمالاً نشان دهنده نفوذ هستند. هم ترافیک شبکه و هم داده های حسابرسی سیستم به عنوان ورودی برای هر دو مؤلفه استفاده می شود.


توضیحاتی در مورد کتاب به زبان اصلی :


We are developing a prototype intelligent intrusion detection system (IIDS) to demonstrate the effectiveness of data mining techniques that utilize fuzzy logic and genetic algorithms. This system combines both anomaly based intrusion detection using fuzzy data mining techniques and misuse detection using traditional rule-based expert system techniques. The anomaly-based components are developed using fuzzy data mining techniques. They look for deviations from stored patterns of normal behavior. Genetic algorithms are used to tune the fuzzy membership functions and to select an appropriate set of features. The misuse detection components look for previously described patterns of behavior that are likely to indicate an intrusion. Both network traffic and system audit data are used as inputs for both components.



پست ها تصادفی