ترجمه مقاله آنالیز مشخصه های مجموعه داده KDD– مبتنی بر کلاس برای تشخیص نفوذ

اختصاصی از نیک فایل ترجمه مقاله آنالیز مشخصه های مجموعه داده KDD– مبتنی بر کلاس برای تشخیص نفوذ دانلود با لینک مستقیم و پر سرعت .

این مقاله ترجمه مقاله انگلیسی  Analysis of KDD Dataset Attributes - Class wise For IntrusionDetection

 می باشد ./

سال انتشار : 2015/

ناشر : ELSEVIER /

 تعداد صفحات مقاله انگلیسی : 10/

تعداد صفحات فایل ترجمه : 14/

فرمت فایل ترجمه : Word /

مقاله اصلی را به زبان انگلیسی می توانید رایگان از اینجا دریافت فرمایید /

چکیده

مجموعه داده KDDیک الگوی بخوبی شناخته شده در پژوهش تکنیک های تشخیص نفوذ است. تحقیقات زیادی در حال توسعه برای بهبود استراتژی های تشخیص نفوذ هستند، در حالیکه پژوهش روی داده های استفاده شده برای آموزش و تست مدل تشخیص از اهمیت زیادی برخوردار است، زیرا کیفیت داده بهتر می تواند تشخیص نفوذ آفلاین را بهبود دهد. این مقاله، آنالیز مجموعه داده ی KDD را با توجه به چهار کلاس زیر ارائه می کند: پایه، محتوا، ترافیک و هاست که در آنها تمام مشخصه های داده ها می توانند طبقه بندی شوند. آنالیز با توجه به دو معیار ارزیابی مهم انجام می گیرد، نرخ تشخیص (DR) و نرخ آلارم اشتباه (FAR) برای سیستم تشخیص نفوذ (IDS). در نتیجه ی این آنالیز تجربی روی مجموعه داده، سهم هر یک از چهار دسته مشخصه روی DR و FARنشان داده می شود که می تواند به تقویت تناسب مجموعه داده جهت دستیابی به ماکزیمم DR با مینیموم FAR کمک کند. /1003/

 

 

تماس با ما برای راهنمایی یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 کانال تلگرام‌  @maghalecomputer

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

4 مقاله فارسی جدید درباره داده های بزرگ ( Big data )

اختصاصی از نیک فایل 4 مقاله فارسی جدید درباره داده های بزرگ ( Big data ) دانلود با لینک مستقیم و پر سرعت .

4 مقاله فارسی جدید درباره داده های بزرگ  ( Big data ) جهت استفاده و بهره برداری قرار داده شده است ./

فرمت مقالات : PDF/

عناوین مقالات :

1-مدیریت داده های حجیم با استفاده از سیستمهای NoSQL ( سال انتشار 2015 )

2- امنیت و حریم خصوصی در کلان داده ( سال انتشار 2015 )

3- طبقهبندی کلان دادههای نامتعادل با استفاده از الگوریتم جنگل تصادفی ( سال انتشار 2016 )

4 - الگوریتمهای طبقهبندی کلان دادههای نامتعادل ( سال انتشار 2016 )

 

تماس با ما برای راهنمایی یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 کانال تلگرام‌  @maghalecomputer

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

پاورپوینت روشهای تجزیه و تحلیل داده ها (کتاب روشهای تحقیق دکتر حسن زاده فصل 19)

اختصاصی از نیک فایل پاورپوینت روشهای تجزیه و تحلیل داده ها (کتاب روشهای تحقیق دکتر حسن زاده فصل 19) دانلود با لینک مستقیم و پر سرعت .

این پاورپوینت شامل روشهای تجزیه و تحلیل داده ها ، روش آماری توصیفی (نما- میانه- میانگین- انحراف معیار)و روش آماری استنباطی ( انواع روشهای پارامتریک و ناپارامتریک می باشد.) بصورت پاورپوینت و کامل و زیبا طراحی شده است که شما هم اکنون می توانید آنرا به راحتی دانلود و استفاده نمایید.

مقاله حافظة اصلی پایگاه داده ها

اختصاصی از نیک فایل مقاله حافظة اصلی پایگاه داده ها دانلود با لینک مستقیم و پر سرعت .

لینک خرید و دانلود در پایین صفحه

تعداد صفحات:39

مقدمه

در اواسط دهه 1980، با نزول قیمت DRAM، این ایده مطرح شد که کامپیوترهای آتی با داشتن حافظه اصلی با ظرفیت بالا، می توانند بسیاری از پایگاه داده ها را درحافظه اصلی داشته باشند. در این شرایط می توان همه I/O ها (که بسیار هزینه بر می باشند) را از پردازش DBMS حذف نمود. بنابراین معماری DBMS دستخوش تغییرات جدی می شود و در یک MAIN MEMORY DBMS(MMDBMS)، مدیریت I/O دیگر نقشی نخواهد داشت.

نکته مهم در یک MMDB، چگونگی انجام تراکنشها و recovery بصورت کارا است. برخی از الگوریتمهای پیشنهادی براساس این فرض عمل می کنند که قسمت کوچکی از حافظه اصلی بصورت ماندگار وجود دارد که اطلاعاتش توسط باطری در صورت قطع برق از بین نخواهد رفت. این قسمت از حافظه اصلی برای نگهداری redo log ها استفاده می شود.

تعداد دیگری از الگوریتمهای پیشنهادی پیش فرض حافظه ماندگار را ندارند و همچنان از عملیات I/O برای نوشتن اطلاعات تراکنش در حافظه ماندگار استفاده می کنند. بنابراین در این الگوریتمها عملیات I/O بطور کامل حذف نمی شود، بلکه تعدادشان بسیار کمتر می شود زیرا  I/Oمربوط به نوشتن اطلاعات صفحات buffer ها، حذف خواهد شد.

در یک MMDBMS، ساختارداده های ساده مانند T-Tree و همچنین bucket-chained hash جایگزین ساختارداده هایی چون B-Tree و linear hash در DBMS های مبتنی بر دیسک می شوند. بنابراین سرعت اجرای پرس و جو(پرس و جو) و بهنگام سازی بسیار افزایش می یابد و هزینه index lookup و نگهداری ،فقط مربوط به  پردازنده و دسترسی به حافظه اصلی خواهد شد.

یکی از مشکلات اصلی در MMDBMS ها بهینه کردن درخواستهاست. عدم وجود I/O به عنوان فاکتور اصلی در هزینه ها به معنای پیچیدگی بیشتر مدل کردن هزینه در یک MMDBMS است زیرا در اینجا یکسری فاکتورهای فازی از قبیل هزینه اجرای  پردازنده ، باید در نظر گرفته شوند. در این حالت باید با استفاده از تعامل روش coding، عوامل سخت افزاری مانند  پردازنده و معماری حافظه و پارامترهای پرس و جو، به یک مدل قابل اطمینان از هزینه اجرا در حافظه اصلی رسید.

در دهه 1990، MMDBMS ها با افزایش سایز دیسکها و سایز مسائل همراه با افزایش ظرفیت DRAM ها، به اوج محبوبیت خود رسیدند. MMDBMS ها اغلب برای برنامه هایی که به پایگاه داده Real Time نیاز دارند (مانند سیستمهای embedded سوئیجهای تلفن) ، استفاده می شود. از آنجایط که سایز حافظه اصلی در کامپیوترها روز به روز در حال افزایش است، این امید وجود دارد که برای بسیاری از پایگاه داده هایی که امروزه امکان قرارگفتن آنها بصورت کامل در حافظه اصلی وجود ندارد، این شرایط مهیا شود.

دانلود پاورپوینت پایگاه داده

اختصاصی از نیک فایل دانلود پاورپوینت پایگاه داده دانلود با لینک مستقیم و پر سرعت .

تعداد اسلایدها : 30 اسلاید