Shahed University

Hybrid Anomaly Detection Method Using Community Detection in Graph and Feature Selection

Aminollah Mahabadi | Meysam Mirzaei

URL :   http://research.shahed.ac.ir/WSR/WebPages/Report/PaperView.aspx?PaperID=137948
Date :  2020/05/21
Publish in :    پدافند الکترونيکي و سايبري

Link :  https://ecdj.ihu.ac.ir/issue_2201047_2201048.html
Keywords :تشخيص ناهنجاري، شبکه هاي اتتما ا، داده کاوي، گراف کاوي

Abstract :
تشخیص ناهنجاری یک موضوع مهم در بسیاری از حوزه های کاربردی شامل امنیت، سلامت و تشخیص نفوذ در شبکه هاای اتتماا ا اسات . بیشتر روش های توسعه داده شده، فقط از اطلا ات ساختاری گراف ارتباطا یا اطلا ات محتوایا گره هاا بارای تشاخیص ناهنجااری اساتفاده ما کنند. ساختار یکپارچه بسیاری از شبکه ها از قبیل شبکه های اتتما ا این روش ها را با محدودیت مواتاه سااخته اسات و با ا توساعه روش های ترکیبا شده است. در این مقاله، روش ترکیبا پیشنهادی تشخیص ناهنجاری مبتنا بر تشخیص انجمن در گراف و انتخاب ویژگاا ارائه شده است که از ناهنجاری به نوان ا ضای ناسازگار در انجمن هاا بهاره بارده و باا اساتفاده از الگاوریت م مبتناا بار تشاخیص و ترکیا انجمن های مشابه، شناسایا گره های ناهنجار را انجام ما دهد. نتایج ازمایش های تجرباا رو ش پیشانهادی بار روی دو مجمو اه از داده هاای دارای ناهنجاری واقعا، نشان دهنده قدرت تشخیص دقیق گره های ناهنجار و قابل مقایسه با اخرین روش های لما است.



Files in this item :
Download Name : 137948_15326850488.pdf
Size : 1Mb
Format : PDF