ارائه ی روش تشخیص نفوذ مبتنی بر رفتار بر روی ماشینهای مجازی
نام نخستين پديدآور
/فاطمه میرجلیلی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: علوم ریاضی
تاریخ نشرو بخش و غیره
، ۱۳۹۵
نام توليد کننده
، راشدی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی کامپیوتر گرایش هوش مصنوعی
زمان اعطا مدرک
۱۳۹۵/۱۱/۲۶
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
تکنولوژی مجازیسازی، امروزه بهطور گستردهای در دنیای رایانه کاربرد دارد .مجازیسازی امکان راهاندازی چندین سیستم مجازی برروی یک سیستم فیزیکی را میدهد، که ابرهای محاسباتی نمونه بارز آن میباشند و سیستمهایتشخیصنفوذ نقشمهمی در محافظت از منابع ابر)ماشینهای مجازی(دارند .امروزه رویکردهای تشخیص نفوذ مبتنی بر رفتار که از جریان داده استفاده میکنند به دلیل مقیاس پذیری که در شبکههای با سرعت بالا دارند مورد توجه قرار گرفتهاند .در همین راستا، رویکردهای مختلفی براین مبنا ارائه شده است .در بین این رویکردها، رویکرد مبتنیبرگراف و خوشهبندی آن از اهمیت خاصی برخوردار است .در این پایاننامه دادههای شبکه از طریق مفهوم جریان داده به صورت گراف پراکندگی ترافیک درآمده، با الگوریتم بهبودیافته مارکوف خوشهبندی میشوند و از تحلیل خوشهها با استفاده از معیارهای آماری، یه یک مدلی برای تشخیص نفوذ رسیدیم که دقت و سرعت آن بهتر از زمانی بود که از خوشهبندی گراف استفاده نشده است .با توجه به مبتنی بر شبکه بودن این مدل، آن را روی مجموعه داده ،DARPAاجرا کردیم و در مقایسه نتایج بهدست آمده با روش دیگر، نشان دادیم روش پیشنهادی ما از قدرت خوبی برخوردار است و میتواند حملات را با دقت بالایی تشخیص دهد
متن يادداشت
Virtualization technology is now widely used in the world of computers. Virtualization allows you to set up multiple virtual systems on a single physical system, the Cloud computing is an obvious example, and Intrusion detection systems play an important role in protecting cloud resources (virtual machines).The behavior-based intrusion detection approaches that use of the data stream due to scalability in high-speed networks are also considered. In this regard, various approaches have been proposed on this basis. Among these approaches, Graph-based clustering approach, It is of utmost importance. In this thesis,Network data through the data flow for traffic distribution graph,Clustering with improved Markov algorithm and Cluster analysis using statistical criteria, We arrived to a model for intrusion detection, that accuracy and speed better than it was when the graph clustering is not used. According to this model based on the network, DARPA data sets were used. In comparing the results with other methods, we show our proposed method has good power and can With high accuracy detect attacks
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )