چکیده فارسی :

در سال های اخیر، تشخیص نفوذ، امنیت بالای شبکه را تحقق می بخشد. بنابراین تلاش می شود تا کامل ترین سیستم برای مقابله با امنیت شبکه و حملات نفوذ در نظر گرفته شود. نظارت بر فعالیت شبکه و تهدید از ویژگی سیستم تشخیص نفوذ ایده آل است. سیستم های تشخیص نفوذ بر اساس منبع داده ها و مدل نفوذ طبقه بندی شده است. برخی چالش ها برای سیستم تشخیص نفوذ وجود دارند. شبکه های عصبی و یادگیری ماشین روش هایی هستند که از طریق آن می توان بر این چالش ها غلبه نمود. ناهنجاری در سیستم تشخیص نفوذ مبتنی بر ناهنجاری را می توان با استفاده از تکنیک های تشخیص مختلف ناهنجاری شناسایی کرد. کاهش ابعاد را می توان با استفاده از تحلیل مؤلفه های اساسی انجام داد. ماشین بردار پشتیبان را می توان برای تعیین مشکل ایجاد طبقه بندی ساز مورد استفاده قرار داد. این مقاله روش های مختلف از سیستم تشخیص نفوذ را به طور خلاصه توضیح می دهد.

کلمات کلیدی: سیستم تشخیص نفوذ، نفوذ مبتنی بر ناهنجاری.، شبکه های عصبی، یادگیری ماشین، تحلیل مولفه اساسی ، ماشین بردار پشتیبان.

چکیده انگلیسی :

In the recent years, Intrusion Detection materializes the high network security. Thus tries to be the most perfect system to deal with the network security and the intrusions attacks. Monitoring activity of the network and that of threats is the feature of the ideal Intrusion Detection System. Intrusion Detection System is classified on the basis of the source of Data and Model of Intrusion. There are some challenges faced by the Intrusion Detection System. Neural Network amd Machine Learning are the approaches through which the challenges can be overwhelmed. Anomaly in the Anomaly based Intrusion Detection System can be detected using various Anomaly detection techniques. Dimension Reduction can be done using Principle Component Analysis. Support Vector Machine can be used to specify the classifier construction problem. The paper describes the various approaches of Intrusion detection system in briefly.
Keywords: Intrusion Detection system, Anamoly Based intrusion., Neural Network, Machine Learning, Principle Component Analysis, Support Vector Machine.