ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Propose NB/HNB Classifiers to Build NIDS

العنوان بلغة أخرى: اقتراح استخدام مصنف NB/HNB لبناء نظام كشف التطفل الشبكي
المصدر: مجلة المنصور
الناشر: كلية المنصور الجامعة
المؤلف الرئيسي: هاشم، سكينة حسن (مؤلف)
مؤلفين آخرين: عادل، حفصه (م. مشارك)
المجلد/العدد: ع31
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2019
الصفحات: 152 - 170
DOI: 10.36541/0231-000-031-011
ISSN: 1819-6489
رقم MD: 1030396
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink, HumanIndex
مواضيع:
كلمات المؤلف المفتاحية:
نظام كشف التطفل | تعدين البيانات | التصنيف المتعدد | Intrusion Detection System | Data Mining | Multiclass Classification
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
LEADER 04584nam a22002777a 4500
001 1767811
024 |3 10.36541/0231-000-031-011 
041 |a eng 
044 |b العراق 
100 |9 369455  |a هاشم، سكينة حسن  |e مؤلف 
245 |a Propose NB/HNB Classifiers to Build NIDS 
246 |a اقتراح استخدام مصنف NB/HNB لبناء نظام كشف التطفل الشبكي 
260 |b كلية المنصور الجامعة  |c 2019 
300 |a 152 - 170 
336 |a بحوث ومقالات  |b Article 
520 |a في هذا البحث تم الإشارة إلى أن الهجمات المحتملة في الشبكة التقليدية والسحابية تكون من قبل DoS الذي يؤثر على متاحيه المصادر، لحل هذه المشكلة تم اقتراح استخدام مصنف HNB لتحسين نسبة كشف DoS في الشبكة السحابية مع الأخذ بنظر الاعتبار البيئة التقليدية، حيث تم تطبيق المصنف NB أولا مدعوما بعملية تجزئة البيانات واختيار الصفات لتوضيح الفرق بين NB التقليدي وHNB. حيث تم استخدام طريقتين لعملية اختيار الصفات وهما info) Gain, Gain ratio) وباستخدام قاعدتي البيانات (KDD Cup 99 , NSL KDD) التي استخدمت لتقييم أداء النظام. حيث أظهرت النتائج أن النظام المقترح بالاعتماد على HNB حسن نسبة كشف DoS حيث وصلت النسبة إلى 100 % باستخدام ثلاث قواعد بيانات لفحص النظام والتي كانت مختلفة في المحتويات والحجم باستخدام قاعدة البيانات KDD Cup 99 وباختيار أثنى عشر صفات بالاعتماد على تقنية GR بينما وصلت نسبة اكتشاف DoS إلى (94,97,98) في ثلاث قواعد بيانات لفحص النظام عندما تم استخدام NB كمصنف. أما في قاعدة البيانات NSL KDD وصلت نسبة اكتشاف DoS إلى 90 % في ثلاث قواعد بيانات لفحص النظام بالاعتماد على HNB كمصنف وباختيار عشر صفات بالاعتماد على طريقة GR، بينما عندما تم استخدام NB كمصنف وصلت النتائج إلى (88,87,86) في ثلاث قواعد بيانات لفحص النظام. 
520 |b  This paper indicates that the potential attack to traditional/cloud network is Denial of Service (DoS) attack that effect on the availability of the resource, to solve this problem; this paper propose hidden naïve bays(HNB) classifier to enhance the accuracy of detect DoS attack in cloud network with taking into consideration the traditional environment, the system applied NB classifier firstly supported by discretization and feature selection method to show the difference between the traditional NB classifier and the new model HNB classifier. Two methods are used to select the best feature (Info Gain and Gain ratio) and by used two dataset (KDD cup 99 and NSL KDD datasets) that are used to evaluate the performance of the system. The experiential result show that the proposed system based on HNB classifier enhance the accuracy of detect DoS attack where reach to 100% in three test dataset that are different in size and content by use KDD cup 99 dataset and select only twelve features depended on gain ratio as feature selection, while when used NB classifier the accuracy of detect DoS is equal (94, 97, 98) in three different test dataset. In NSL KDD dataset the accuracy of detect DoS reach to 90% for three test dataset based on HNB classifier and by select 10 features based on GR method, while when used NB classifier is equal to (88, 87, 86) for three test dataset. 
653 |a أمن المعلومات  |a قواعد البيانات  |a هندسة الشبكات  |a الأنظمة الآلية 
692 |a نظام كشف التطفل  |a تعدين البيانات  |a التصنيف المتعدد  |b Intrusion Detection System  |b Data Mining  |b Multiclass Classification 
773 |4 العلوم الإنسانية ، متعددة التخصصات  |6 Humanities, Multidisciplinary  |c 011  |e Al Mansour Journal  |f Maǧallaẗ al-manṣūr  |l 031  |m ع31  |o 0231  |s مجلة المنصور  |v 000  |x 1819-6489 
700 |9 558355  |a عادل، حفصه  |g Adil, Hafsa  |e م. مشارك 
856 |u 0231-000-031-011.pdf 
930 |d n  |p y 
995 |a EcoLink 
995 |a HumanIndex 
999 |c 1030396  |d 1030396 

عناصر مشابهة