تفاصيل الوثيقة

نوع الوثيقة : رسالة جامعية 
عنوان الوثيقة :
تقنيات عالية الأداء التعدين البيانات لكشف التسلل
High Performance Data Mining Techniques for Intrusion Detection
 
الموضوع : الحوسبة عالية الأداء، والبيانات والتعدين ، وكشف التسلل 
لغة الوثيقة : الانجليزية 
المستخلص : تحول النمو السريع لأجهزة الكمبيوتر في الطريقة التي تم تخزين المعلومات والبيانات. مع هذا النموذج الجديد من الوصول إلى البيانات ، ويأتي يتعرض للتهديد من هذه المعلومات للمستخدمين غير المصرح به وغير مقصودة. وقد نظم العديد المتقدمة التي التدقيق في البيانات عن الانحراف عن السلوك العادي لمستخدم أو نظام ، أو البحث عن توقيع المعروفة في البيانات. وتسمى هذه الأنظمة كما كشف التسلل أنظمة (الهوية). هذه الأنظمة تستخدم تقنيات مختلفة تتراوح بين الأساليب الإحصائية لتعلم الآلة الخوارزميات. أنظمة كشف التسلل استخدام بيانات مراجعة الحسابات التي تم إنشاؤها بواسطة أنظمة التشغيل ، وبرامج التطبيق أو أجهزة الشبكة. هذه المصادر إنتاج كمية ضخمة من قواعد البيانات مع عشرات الملايين من السجلات في نفوسهم. لتحليل هذه البيانات ، يتم استخدام البيانات التعدين وهي عملية مفيدة لأنماط من حفر بكميات كبيرة من المعلومات. يشكل عقبة رئيسية في هذه العملية التي طغت على استخراج البيانات التقليدية والخوارزميات التعلم عن طريق حجم وتعقيد معظم البيانات المتاحة. وهذا يجعل من هذه الخوارزميات غير عملي للمهام الحرجة مثل وقت كشف التسلل بسبب تنفيذ كبيرة الوقت. نهجنا تجاه هذه المسألة يجعل من استخدام تقنيات عالية الأداء استخراج البيانات لتسريع هذه العملية عن طريق استغلال التوازي في خوارزميات استخراج البيانات الموجودة والأجهزة الأساسية. سنظهر كيف يمكن أن تستخدم عالية الأداء والحوسبة المتوازية لتوسيع نطاق خوارزميات التنقيب عن البيانات للتعامل مع قواعد البيانات الكبيرة ، والسماح للعنصر التنقيب عن البيانات للبحث مجموعة أكبر بكثير من أنماط ونماذج من منصات الحوسبة التقليدية والخوارزميات سيسمح. نحن في تطوير خوارزميات التنقيب عن البيانات الموازية التي parallelizing آلة القائمة تقنيات التعلم باستخدام الحوسبة العنقودية. وتشمل هذه الخوارزميات backpropagation متوازية وموازية غامض ARTMAP شبكات العصبية. نحن تقييم الأداء من النماذج المتقدمة من حيث تسريع أكثر من الخوارزميات التقليدية ، ومعدل التنبؤ وكاذبة معدل الانذار. وأظهرت النتائج التي توصلنا إليها أن backpropagation التقليدية والخوارزميات ARTMAP غامض يمكن أن تستفيد من تقنيات الحوسبة عالية الأداء مما يجعلها مناسبة تماما لمثل المهام الحرجة الوقت لكشف التسلل. 
المشرف : Joohan Lee 
نوع الرسالة : رسالة ماجستير 
سنة النشر : 1425 هـ
2004 م 
تاريخ الاضافة على الموقع : Monday, February 21, 2011 

الباحثون

اسم الباحث (عربي)اسم الباحث (انجليزي)نوع الباحثالمرتبة العلميةالبريد الالكتروني
معظم صديقيSiddiqui, Muazzam باحثدكتوراهmaasiddiqui@kau.edu.sa

الملفات

اسم الملفالنوعالوصف
 29205.docx docx 

الرجوع إلى صفحة الأبحاث