Sztuczna inteligencja w systemach wykrywania intruzów

Lach, E.

Powiadomienia systemowe

Sesja wygasła!

Artykuł - szczegóły

Tytuł artykułu

Sztuczna inteligencja w systemach wykrywania intruzów

Autorzy

Lach E.

Identyfikatory

Warianty tytułu

Artificial intelligence in intrusion detection systems

Języki publikacji

Abstrakty

W pracy przedstawiono wybrane techniki sztucznej inteligencji wykorzystywane w systemach wykrywania intruzów. Artykuł zawiera opis sieci neuronowych, odkrywania wiedzy, logiki rozmytej, algorytmów genetycznych, programowania genetycznego oraz sztucznych systemów immunologicznych.

The paper survey Artificial Intelligence techniques used in Intrusion Detection systems. Several approaches to intrusion detection were described including: neural networks, data mining, fuzzy logic, genetic algorithms, genetic programming and artificial immune systems.

Słowa kluczowe

sztuczna inteligencja systemy wykrywania intruzów

artificial intelligence intrusion detection

Wydawca

Wydawnictwo Politechniki Śląskiej

Czasopismo

Studia Informatica

Rocznik

2003

Tom

Vol. 24, nr 2A

Strony

191--198

Opis fizyczny

Bibliogr. 18 poz.

Twórcy

autor

Lach E.

Instytut Informatyki Politechniki Śląskiej, 44-100 Gliwice, ul. Akademicka 16, ewa.lach@polsl.pl

Bibliografia

1. Lin M., Mikkulainen R., Ryan J.: Intrusion Detection with Neural Networks. MIT, 1998.
2. Zhang Z., Li J., Manikopoulos C. N., Jorgenson J., Ucles J.: A Hierarchical Network Intrusion Detection System Using Statistical Preprocessing and Neural Network Classification. IEEE Information Assurance Workshop, 2001.
3. Ghosh A., Schwartzbard A.: A Study in Using Neural Networks for Anomaly and Misuse Detection, http://www.usenix.org/events/sec99/ghost.html, 1999.
4. Cannady J.: Artificial Neural Networks for Misuse Detection. NISSC, 1998.
5. Mukkamala S., Janoski G., Sung A.: Intrusion Detection Using Neural Networks and Support Vector Machines. IEEE UCNN, 2002.
6. Lichodzijewski P., Zincir-Heywood A., Heywood M.: Dynamic Intrusion Detection Using Self Organizing Maps. Canadian Information Technology Security Symposium, 2002.
7. Liu Z., Florez G., Bridges S. M.: A Comparison Of Input Representations In Neural Networks: A Case Study In Intrusion Detection. UCNN, 2002.
8. Dipankar D., Hal B.: Mobile Security Agents for Network Traffic Analysis. IEEE Computer Society Press, 2001.
9. Hofineyr S. A., Forrest S.: Architecture for an artificial immune system. EC, 2000.
10. Paula F. S., Reis M. A., Fernandes D. A. M., Geus P. L.: ADenoIdS: A hybrid IDS based on the immune system. ICONIP, 2002.
11. Dasgupta D., Majumdar N. S.: Anomaly detection in multidimensional data using negative selection algorithm. IEEE, 2002.
12. Wierzchoń S. T.: Sztuczne systemy immunologiczne. EXIT, Warszwa 2001.
13. Lee W., Tolfo J., Mok K. W.: A data mining framework for building intrusion detection models. IEEE Symposium on Security and Privacy, 1999.
14. Couto J., Jajodia S., Wu N.: ADAM: Detecting Intrusions by Data Mining. IEEE, 2001.
15. Abraham T.: DDDM: Intrusion Detection using Data Mining Techniques. Technical Report DSTO-GD-0286, 2001.
16. Florez G., Bridges S. M., Vaughn R. B.: An Improved Algorithm for Fuzzy Data Mining for Intrusion Detection. NAFIPS, 2002.
17. Dasgupta D., Gonzalez F.A.: An Intelligent Decision Support System for Intrusion Detection and Response. MMM-ACNS, 2001.
18. Crosbie M., Spafford G.: Applying Genetic Programming to Intrusion Detection. Prude University 1995.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BSL2-0006-0034