cri>پایان نامه مهندسی صنایع و نگهداری و تعمیرات | مقاله فارسی در مورد big data + تشخیص نفوذ و داده های ناهمگن بزرگ: یک بررسی - پایان نامه مهندسی صنایع و نگهداری و تعمیرات
no-img
پایان نامه مهندسی صنایع و نگهداری و تعمیرات

مقاله فارسی در مورد big data + تشخیص نفوذ و داده های ناهمگن بزرگ: یک بررسی - پایان نامه مهندسی صنایع و نگهداری و تعمیرات


پایان نامه مهندسی صنایع و نگهداری و تعمیرات

ادامه مطلب

ZIP
مقاله فارسی در مورد big data + تشخیص نفوذ و داده های ناهمگن بزرگ: یک بررسی
zip
آوریل 29, 2018

مقاله فارسی در مورد big data + تشخیص نفوذ و داده های ناهمگن بزرگ: یک بررسی


مشخصات محصول
سال انتشار:2015
عنوان انگلیسی:Intrusion detection and Big Heterogeneous Data: a Survey
عنوان فارسی:تشخیص نفوذ و داده های ناهمگن بزرگ: یک بررسی
نویسندگان:Richard Zuech*, Taghi M Khoshgoftaar and Randall Wald
چکیده انگلیسیIntrusion Detection has been heavily studied in both industry and academia, but cybersecurity analysts still desire much more alert accuracy and overall threat analysis in order to secure their systems within cyberspace. Improvements to Intrusion Detection could be achieved by embracing a more comprehensive approach in monitoring security events from many different heterogeneous sources. Correlating security events from heterogeneous sources can grant a more holistic view and greater situational awareness of cyber threats. One problem with this approach is that currently, even a single event source (e.g., network traffic) can experience Big Data challenges when considered alone. Attempts to use more heterogeneous data sources pose an even greater Big Data challenge. Big Data technologies for Intrusion Detection can help solve these Big Heterogeneous Data challenges. In this paper, we review the scope of works considering the problem of heterogeneous data and in particular Big Heterogeneous Data. We discuss the specific issues of Data Fusion, Heterogeneous Intrusion Detection Architectures, and Security Information and Event Management (SIEM) systems, as well as presenting areas where more research opportunities exist. Overall, both cyber threat analysis and cyber intelligence could be enhanced by correlating security events across many diverse heterogeneous sources.
چکیده فارسی:تشخیص نفوذ در صنعت و دانشگاه به فراوانی مطالعه شده است، اما تحلیلگران امنیت سایبری هنوز هم تمایل بسیاری به دقت هشدار و آنالیز تهدید کلی به منظور ایمن نمودن سیستم¬هایشان در درون فضای مجازی دارند. بهبود در تشخیص نفوذ می تواند با استقبال از یک رویکرد جامع¬تر در نظارت بر رویدادهای امنیتی از منابع مختلف ناهمگن به دست آید. حوادث امنیتی مرتبط از منابع ناهمگن می توانند دیدگاهی کلی-تر و آگاهی موقعیتی بیشتری از تهدیدات سایبری بدست دهند. یکی از مشکلات این روش این است که در حال حاضر، حتی یک منبع حادثه به تنهایی (به عنوان مثال، ترافیک شبکه)، زمانی که تنها در نظر گرفته شود، می تواند چالش داده های بزرگ را تجربه نماید. تلاش برای استفاده از منابع داده ناهمگن تر، حتی چالش داده های بزرگ تری را مطرح خواهد کرد. فن آوری های داده های بزرگ برای تشخیص نفوذ می توانند به حل چالش های داده های ناهمگن بزرگ کمک کنند. در این مقاله، ما حوزه ی کارها را با توجه به مشکل داده های ناهمگن و بویژه داده های ناهمگن بزرگ بررسی می کنیم. ما مسائل خاص ادغام داده ها، معماری های تشخیص نفوذ ناهمگن و امنیت اطلاعات و سیستم های مدیریت رویداد (SIEM) را بررسی می کنیم، و همچنین حوزه هایی را ارائه می دهیم که در آن فرصت های تحقیقاتی بیشتری وجود داشته باشد. به طور کلی، هر دو آنالیز تهدید سایبری و هوش سایبری می توانند از طریق حوادث امنیتی مرتبط در بسیاری از منابع گوناگون ناهمگن بهبود یابند.
ژورنال:Journal of Big Data



درباره نویسنده

esmaeil 640 نوشته در پایان نامه مهندسی صنایع و نگهداری و تعمیرات دارد . مشاهده تمام نوشته های

دیدگاه ها


پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *