برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان: 

بهره گیری از تکنیک های خوشه بندی داده کاو محور جهت افزایش تشخیص نفوذ در سیستم های اطلاعاتی ابری

نوع ارائه: مقاله
نویسنده: اسحقي فاطمه*,خليلي مهدي,انجيدني مجيد
 
 *دانشگاه پيام نور مرکز تهران شمال
 
عنوان همایش: همايش ملي الكترونيكي پيشرفت هاي تكنولوژي در مهندسي برق، الكترونيك و كامپيوتر
نوع همایش:  سازمان ها و مراکز غير دولتي
حامی:  مرکز آموزش علمی- کاربردی صنایع خیام الکتریک
زمان:  1393دوره 1
 
 
چکیده: 

با گسترش روز افزون تبادل اطلاعات و استفاده از سيستم هاي بر خط، ميزان حملات و نفوذ در سيستم هاي اطلاعاتي افزايش يافته است. رايانش ابري گام بعدي تکامل سرويس هاي فناوري اطلاعات برحسب تقاضا مي باشد. فايروال ها که توسط بسياري از سازمان ها، به عنوان سيستم هاي تشخيص نفوذ به منظور حفاظت از امنيت سيستم هاي اطلاعاتي به کار گرفته مي شوند اغلب در تشخيص حملاتي که از درون اين سازمان ها اتفاق مي افتد با شکست مواجه مي شوند.
در اين مقاله، به منظور غلبه بر اين مشکل در فايروال ها، استفاده از تکنيک هاي خوشه بندي داده کاو محور شامل تکنيک هاي خوشه بندي
K-means، Y-means و Fuzzy C-Means جهت برعهده گرفتن مسووليت رسيدگي به نفوذ از درون سازمان ها، ارتقاء سيستم هاي تشخيص نفوذ و افزايش سطح امنيت اطلاعات در ابرها پيشنهاد مي گردد تا نقشي حياتي در تشخيص نفوذ با استفاده از تجزيه و تحليل حجم بزرگ داده هاي شبکه و دسته بندي آن ها به صورت عادي و يا غيرعادي در فايروال ها بازي کند. همچنين با توجه به اينکه پيش تر تکنيک هاي داده کاوي با موفقيت براي تشخيص نفوذ در حوزه هاي کاربردي مختلف از جمله بيوانفورماتيک، بازار سهام، تجزيه و تحليل وب و غيره مورد استفاده قرار گرفته است؛ از اين روش استخراج روابط قبلي و ناشناخته در پايگاه داده هاي بزرگ، الگوبرداري نموده و سپس از الگوهاي استخراج شده به عنوان پايه اي براي شناسايي حملات جديد استفاده خواهيم نمود.

 
کلید واژه: رايانش ابري- حملات امنيتي به ابر، سيستم هاي تشخيص نفوذ، داده کاوي، سيستم هاي تشخيص نفوذ داده کاو محور، الگوريتم K-Means، الگوريتم Y-Means، الگوريتم Fuzzy C-Means
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 
 
بازدید یکساله 281   pdf-file
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی