صفحه محصول - پاورپوینت استفاده از روشهاي داده كاوي در تشخيص نفوذ به شبكه هاي كامپيوتري

پاورپوینت استفاده از روشهاي داده كاوي در تشخيص نفوذ به شبكه هاي كامپيوتري (pptx) 17 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 17 اسلاید

قسمتی از متن PowerPoint (.pptx) :

بنام خدا استفاده از روشهاي داده كاوي در تشخيص نفوذ به شبكه هاي كامپيوتري عناوين مورد بحث مقدمه اي در مورد نفوذ و سيستمهاي تشخيص نفوذ داده كاوي و كاربرد آن در سيستم هاي تشخيص نفوذ الگوريتم هاي بررسي شده داده‌كاوي روش انجام تحقيقات اهداف تحقيق مقدمه نفوذ ( حمله ) : نفوذ به عملياتي اطلاق مي‌شود كه تلاش مي كند براي دسترسي غير مجاز به شبكه يا سيستم هاي كامپيوتري از مكانيسم امنيتي سيستم عبور كند. اين عمليات توسط نفوذ كننده گان خارجي و داخلي انجام ميشود سيستم هاي تشخيص نفوذ ( IDS ) سيستم تشخيص نفوذ، برنامه‌اي‌است كه با تحليل ترافيك جاري شبكه يا تحليل تقاظاها سعي در شناسايي فعاليتهاي نفوذگر مي‌نمايد و در صورتي كه تشخيص داد ترافيك ورودي به يك شبكه يا ماشين، از طرف كاربر مجاز و عادي نيست بلكه از فعاليتهاي يك نفوذگر ناشي مي‌شود، به نحو مناسب به مسئول شبكه هشدار داده يا واكنش خاص نشان مي‌دهد سيستم هاي تشخيص نفوذ ( IDS ) داده كاوي و كاربرد آن در كشف نفوذ داده كاوي به فرآيندي گفته مي‌شود كه طي آن الگوهاي مفيدي از داده ها كه تا كنون ناشناخته بودند، از داخل يك پايگاه داده بزرگ استخراج مي شود، علاوه بر آن سيستمهاي داده كاوي امكاناتي را به منظور خلاصه سازي و نمايش داده ها فراهم مي‌كنند. جمع آوري داده هاي شبكه توسط سنسور هاي سيستم هاي مانيتورينگ تبديل داده هاي خام به داده هاي قابل استفاده در مدل هاي داده كاوي ايجاد مدل داده كاوي (مدل هاي تشخيص سو استفاده ، مدل هاي موارد غير متعارف ) تحليل و خلاصه سازي نتايج تكنيك ها داده كاوي و الگوريتم هاي آن تكنيك هاي آماري از تكنيكهاي آماري به عنوان روشهاي يادگيري بالا به پائين ناميده ياد ميشود، اين تكنيك ها در مواردي كه ايده كلي در مورد روابط مورد نظر وجود دارد، به كار مي‌آيند و تواسط آنها مي‌توان از روشهاي محاسبات رياضي براي جهت دهي به جستجوهاي خود استفاده كرد. ياد گيري ماشين تكنيكهاي يادگيري ماشين در شرايطي مناسب است كه هيچ گونه دانش اوليه در مورد الگوهاي داده ها وجود ندارد؛ به همين دليل گاهي به اين روشها پائين به بالا مي‌گويند مزيت مهم : معمولا به انسانهاي خبره براي تعيين ملزومات مورد نظر به منظور تشخيص نفوذ نيازي نيست به همين دليل بسيار سريع عمل كرده و مقرون به صرفه هستند. تكنيك هاي يادگيري ماشين در داده كاوي به طور كلي به دو دسته Unsupervised و Supervised تقسيم بندي مي‌شوند. الگوريتم هاي بررسي شده