عنوان مقاله :
بهره گيري از طبقه‌بندي‌كننده‌ي عصبي– فازي براي سيستم هاي تشخيص نفوذ
عنوان به زبان ديگر :
Using Of Neuro-Fuzzy Classifier for Intrusion Detection Systems
پديد آورندگان :
نتاج صلحدار، محمد حسن دانشگاه شهيد چمران اهواز ـ پرديس صنعتي شهداي هويزه، اهواز، ايران
كليدواژه :
سيستم تشخيص نفوذ , شبكه عصبي , طبقه‌بندي كننده‌ي عصبي – فازي , انفيس , NSLKDD
چكيده فارسي :
يكي از ابزارهاي هوش مصنوعي، سيستم استنتاج تطبيق پذير عصبي – فازي است، كه در اين مقاله براي ساخت سيستم تشخيص نفوذ مورد استفاده قرار گرفته است و ما آن را دسته بندي كننده ي عصبي – فازي مي ناميم. سيستم تشخيص نفوذ مبتني بر طبقه بندي كننده شبكه عصبي-فازي يك سيستم تشخيص نفوذ مبتني بر ناهنجاري است كه از منطق فازي و شبكه عصبي براي تشخيص اينكه فعاليت مخرب در يك شبكه انجام مي شود، استفاده مي كند. در اين مقاله به تشريح معماري دستهبندي كننده ي عصبي – فازي و مؤلفه هاي آن مي پردازيم. قوانين فازي نمونه براي برخي از حملات ايجاد شده و نتايج آزمايش با داده هاي واقعي شبكه شرح داده شده است. آزمايشات و ارزيابي هاي ما با مجموعه NSLKDD مجموعه داده هاي تشخيص نفوذ انجام شده است كه نسخه اي از مجموعه داده هاي ارزيابي نفوذ KDD Cup99 است كه توسط آزمايشگاه هاي MIT Lincoln تهيه و مديريت شده است. در نهايت، اين مقاله سعي بر آن دارد تا با بررسي عملكرد مدل "سيستم استنتاج تطبيق پذير عصبي – فازي" بر روي يك مجموعه استاندارد و جامع ميزان كارايي مدل طراحي شده را نشان دهد.
چكيده لاتين :
One of the tools of artificial intelligence is the adaptive neural-fuzzy inference system (ANFIS), which is used in this article to build an intrusion detection system and we call it the neural-fuzzy classifier. The Intrusion Detection System based on ANFIS is an anomaly based intrusion detection system that uses fuzzy logic and neural network to detect if malicious activity is taking place on a network. This paper describes the architecture of the ANFIS and its components.
The sample fuzzy rules are developed for some kinds of attacks and the testing results with actual network data are described. Our experiments and evaluations were performed with the NSLKDD intrusion detection dataset which is a version of the KDD Cup99 intrusion detection evaluation dataset prepared and managed by MIT Lincoln Laboratories.
Finally, this paper tries to show the efficiency of the designed model by examining the performance of the "neural-fuzzy adaptive inference system" model on a standard and comprehensive set.
عنوان نشريه :
فرماندهي و كنترل
