In this section

    A Comparative Analysis of Intelligent Techniques for Detecting Anomalous Internet Traffic

    (2010) A Comparative Analysis of Intelligent Techniques for Detecting Anomalous Internet Traffic. Masters thesis, King Fahd University of Petroleum and Minerals.

    [img]
    Preview
    		 PDF (Shaheen Master Thesis)
    shaheen_thesis14_zb_v2.pdf
    Download (1MB) | Preview

    Arabic Abstract

    يبقى الكشف عن الهجمات الجديدة والمستحدثة المتنوعة على شبكة الإنترنت مسألة مثيرة للقلق بالنسبة للباحثين في مجال الأمن على مر السنين. وقد عززت أوجه التقدم في مجال أداء الحوسبة، من حيث قوة المعالجة والتخزين، وقدرتها على استضافة الخوارزميات الذكية الكثيفة الاستخدام للموارد، للكشف هذه الهجمات الجديدة، في الوقت المناسب. وكجزء من هذه الرسالة، قمنا بدراسة وتحليل أداء اثنين من خوارزميات التعلم الآلي، وهي واحدة متوسط التبعية المقدرون (AODE) وشبكات Abductive (GMDH) ، عند تنفيذها كجزء من نظام لكشف التسلل الى الأنظمة الحاسوبية ، وللكشف عن الهجمات المستحدثة على شبكة الإنترنت. وفي النهاية تم مقارنة نتائج المحاكاة التي حصل عليها وتحليلها بناء على مجموعة من مقاييس الأداء.

    English Abstract

    Detecting anomalous traffic on the Internet has remained an issue of concern for the community of security researchers over the years. The advances in the area of computing performance, in terms of processing power and storage, have fostered their ability to host resource-intensive intelligent algorithms, to detect intrusive activity, in a timely manner. As part of this thesis, we study and analyze the performance of two such machine learning algorithms, namely, Average One-Dependency Estimators (AODE) and Abductive networks (GMDH), when implemented as part of an intrusion detection system, to detect anomalies on a dataset of Internet traffic activity. The simulation results obtained for the two approaches are compared and analyzed based on several performance metrics.

    Item Type: Thesis (Masters)
    Uncontrolled Keywords: IDS, Anomalous traffic, Average One Dependency Estimators (AODE), Group Method for Data Handling (GMDH), Feature Selection.
    Subjects: Computer
    Systems
    Department: College of Computing and Mathematics > Information and Computer Science
    Committee Advisor: Baig, Zubair
    Committee Members: Abdel-Aal, Radwan and Sait, Sadiq
    Depositing User: ABDULRAHMA SHAHEEN (g200157590)
    Date Deposited: 03 Nov 2010 11:52
    Last Modified: 01 Nov 2019 15:28
    URI: http://eprints.kfupm.edu.sa/id/eprint/136358