دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
جدیدترین لغات واژه‌نامه
کشورهای شمال اروپا
آتش سوزی های جنگلی
دوسویه
نادیده گرفتن، دست انداخ
اجتناب ناپذیر، بی شفقت،
آمار بازدیدکنندگان
بازدید امروز :39
بازدید روز گذشته :121
بازدید این هفته :451
بازدید این ماه :384
مجموع آمار بازدید ها :812759
بازدید روز گذشته :121
بازدید این هفته :451
بازدید این ماه :384
مجموع آمار بازدید ها :812759
عنوان محصول: سیستم تشخیص نفوذ بر اساس درخت تصمیم در مورد داده‌های بزرگ در محیط مه
دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار:
شنبه 15 شهريور 1399
|
توضیحات مختصر:
محاسبات مه، به عنوان مکمل رایانش ابری، می‌تواند سرویس‌هایی با تأخیر کم بین کاربران سیار و ابر ارائه دهد. با این وجود، دستگاه‌های مه ممکن است در نتیجه نزدیک بودن گره‌های مه به کاربران نهایی و داشتن توانایی محاسبات محدود، با چالش‌های امنیتی روبرو شوند. حملات شبکه‌های سنتی ممکن است ساختار گره‌های مه را...
|
| سیستم تشخیص نفوذ بر اساس درخت تصمیم در مورد داده‌های بزرگ در محیط مه |
قیمت : 50000 تومان
تخفیف: 3000 تومان
تخفیف ویژه : 10 درصد
قیمت نهایی: 42000 تومان
431 بازدید
کد مقاله: TTC-
3878
نوع فایل : docx
خرید و دانلود
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Abstract
Fog computing, as the supplement of cloud computing, can provide low-latency services between mobile users and the cloud. However, fog devices may encounter security challenges as a result of the fog nodes being close to the end users and having limited computing ability. Traditional network attacks may destroy the system of fog nodes. Intrusion detection system (IDS) is a proactive security protection technology and can be used in the fog environment. Although IDS in tradition network has been well investigated, unfortunately directly using them in the fog environment may be inappropriate. Fog nodes produce massive amounts of data at all times, and, thus, enabling an IDS system over big data in the fog environment is of paramount importance. In this study, we propose an IDS system based on decision tree. Firstly, we propose a preprocessing algorithmto digitize the strings in the given dataset and then normalize the whole data, to ensure the quality of the input data so as to improve the efficiency of detection. Secondly, we use decision tree method for our IDS system, and then we compare this method with Na¨ıve Bayesian method as well as KNN method. Both the 10% dataset and the full dataset are tested. Our proposed method not only completely detects four kinds of attacks but also enables the detection of twenty-two kinds of attacks. The experimental results show that our IDS system is effective and precise. Above all, our IDS system can be used in fog computing environment over big data.
چکیده
محاسبات مه، به عنوان مکمل رایانش ابری، می‌تواند سرویس‌هایی با تأخیر کم بین کاربران سیار و ابر ارائه دهد. با این وجود، دستگاه‌های مه ممکن است در نتیجه نزدیک بودن گره‌های مه به کاربران نهایی و داشتن توانایی محاسبات محدود، با چالش‌های امنیتی روبرو شوند. حملات شبکه‌های سنتی ممکن است ساختار گره‌های مه را از بین ببرد. سیستم تشخیص نفوذ (IDS) یک فناوری محافظت از امنیت است و می‌تواند در محیط مه مهیا شود. اگرچه IDS در شبکه سنتی به خوبی مورد بررسی قرار گرفته است، متاسفانه استفاده مستقیم از آنها در محیط مه ممکن است نامناسب باشد. گره‌های مخرب مه مقدار زیادی از داده‌ها را در همه زمان‌ها ایجاد می‌کنند، و بنابراین، فعال کردن یک سیستم IDS از داده‌های بزرگ در محیط مه، از اهمیت ویژه‌ای برخوردار است. در این مطالعه، ما یک سیستم IDS را بر اساس درخت تصمیم پیشنهاد می‌کنیم. در مرحله اول، ما الگوریتم پردازش پیش فرض را برای دیجیتالی کردن رشته‌ها در مجموعه داده ارائه شده پیشنهاد می‌کنیم و سپس عادی سازی کل داده‌ها را انجام می‌دهیم تا از کیفیت داده‌های ورودی اطمینان حاصل شود تا کارایی تشخیص را بهبود ببخشد. در مرحله دوم، ما از روش درخت تصمیم برای سیستم IDS استفاده می‌کنیم و سپس این روش را با روش Na¨ıve Bayesian و همچنین KNN مقایسه می‌کنیم. دراین آزمایش هم داده 10٪ و هم مجموعه داده كامل تست شده است. روش پیشنهادی ما نه تنها بطور کامل چهار نوع حمله را تشخیص می‌دهد بلکه می‌تواند بیست و دو نوع حمله را نیز شناسایی کند. نتایج تجربی نشان می‌دهد که سیستم IDS ما مؤثر و دقیق است. مهم‌تر از همه، سیستم IDS ما می‌تواند در محاسبات مه با داده‌های بزرگ استفاده شود.
تعداد صفحات انگلیسی:
تعداد صفحات فـارسـی:
