تحقیق در مورد تشخیص نفوذهای غیر عادی در بستر شبکه با تشخیص outlier هایی که از قبل بررسی نشده اند 25 ص

اختصاصی از حامی فایل تحقیق در مورد تشخیص نفوذهای غیر عادی در بستر شبکه با تشخیص outlier هایی که از قبل بررسی نشده اند 25 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 24 صفحه

---

 قسمتی از متن .doc : 

تشخیص نفوذهای غیر عادی در بستر شبکه با تشخیص outlier هایی که از قبل بررسی نشده اند

چکیده :

تشخیص ناهنجاری (anomaly) موضوعی حیاتی در سیستم های تشخیص نفوذ به شبکه است (NIDS) . بسیاری از NIDS های مبتنی بر ناهنجاری «الگوریتمهای پیش نظارت شده » را بکار می گیرند که میزان کارایی این الگوریتمها بسیار وابسته به دادها های تمرینی عاری از خطا میباشد . این در حالی است که در محیط های واقعی و در شبکه های واقعی تهیه اینگونه داده ها بسیار مشکل است . علاوه بر اینها ، وقتی محیط شبکه یا سرویسها تغییر کند الگوهای ترافیک عادی هم تغییر خواهد کرد .

این مساله به بالا رفتن نرخ مثبت نمایی در NIDS های پیش نظارت شده منجر می شود . تشخیص یک انحراف کامل (outlier) پیش نظارت نشده میتواند بر موانعی که در راه تشخیص ناهنجاری های پیش نظارت شده وجود دارد غلبه کند . به همین دلیل ما الگوریتم « جنگلهای تصادفی » را که یکی از الگوریتمهای کار امد برای استخراج داده است به خدمت گرفته ایم و آن را در NIDS های مبتنی بر ناهنجاری اعمال کرده ایم . این الگوریتم میتواند بدون نیاز به داده های تمرینی عاری از خطا outlier ها را در مجموعه داده های ترافیک شبکه تشخیص دهد . ما برای تشخیص نفوذهای ناهنجار به شبکه از یک چارچوب کاری استفاده کرده ایم و در این مقاله به شرح همین چارچوب کاری میپردازیم .

در این چارچوب کاری ، الگوی سرویسهای شبکه از روی داده های ترافیکی و با استفاده از الگوریتم جنگلهای تصادفی ساخته شده است . توسط outler تعیین شده ای که با این الگوهای ساخته شده مرتبط هستند نفوذها تشخیص داده می شوند. ما نشان میدهیم که چه اصلاحاتی را روی الگوریتم تشخیص outlier جنگلهای تصادفی انجام دادیم . و همینطور نتایج تجربیات خود را که بر اساس مجموعه داده های KDD 99 انجام شده است گزارش میدهیم .

نتایج نشان میدهد که روش پیشنهادی با سایر روشهای تشخیص ناهنجاری پیش نظارت نشده ای که قبلا گزارش شده اند کاملا قابل مقایسه است . البته روشهایی که بر اساس مجموعه داده های KDD 99 ارزیابی شده اند.

1- معرفی

همراه با رشد فوق العاده زیاد سرویسهای مبتنی بر شبکه و وجود اطالعات حساس روی شبکه ها تعداد حملات به کامپیوترهای تحت شبکه و شدت انها نیز به طور محسوسی افزایش یافته است . در حال حاضر طیف وسیعی از تکنولوژیهای امنیتی وجود دارد که میتوانند از سیستم های تحت شبکه محافظت کنند . تکنولوژیهایی مانند رمز نگاری اطلاعات کنترل دسترسیها و جلوگری از نفوذ اما با وجود این تکنولوژیها هنوز هم راههای زیادی برای نفوذ وجود دارد که تا حلل شناسایی نشده است . به همین دلیل سیتسم های تشخیص نفوذ IDS نقشی حیاتی را در امنیت شبکه ایفا می کنند .

سیستم های تشخیص نفوذ به شبکه NIDS فعالیتهای مختلفی که در شبکه انجام می شود را تحت نظر دارد و از این راه حملات را شناسایی می کند . این در حالی است که سیستم های تشخیص نفوذ به سیستم های تحت Host یعنی HIDS نفوذ به یک host منفرد را شناسایی می کند.

دو تکنیک اصلی برای تشخیص ورودهای نابجا وجود دارد . تشخیص کاربردهای نادرست و تشخیص ناهنجاری anomaly تشخیص کاربردهای نادرست بر اساس الگوهای استخراج شده از نفوذهای شناخته شده حملات را کشف می کند . در روش تشخیص ناهنجاری برای شناسایی حملات به این روش عمل می کند که یکسری پروفایلهایی را برای فعالیتهای عادی ایجاد می کند و سپس بر اسسا این پروفایلها موارد انحراف را تعیین می کند . فعالیتهایی که از حد تعیین شده برای انحرافات فراتر رود جزء حملات شناخته می شوند .

در تکنیک تشخیص کاربردهای نادرست نرخ مثبت نمایی پائین است . اما این تکنیک نمی تواند حملاتی از انواع جدید را شناسایی کند . تکنیک تشخیص ناهنجاری میتواند حملات ناشناخته را کشف کند با این پیش فرض که این حملات ناشی از منحرف شدن از رفتارهای عادی هستند.

در حال حاضر بسیاری از NIDS ها مانند Snort سیستمهای قانونمند شده هستند ، به این معنی که این سیستم ها تکنیکهای تشخیص کاربردهای نادرست را به خدمت میگیرند و بنابراین قابلیت انبساط محدودی برای حملات جدید دارند . برای شناسایی حملات جدید سیستمهای تشخیص ناهنجاری بسیاری توسعه پیدا کرده اند . بسیاری از انها بر مبنای روشهای نظارتی توسعه پیدا کرده اند . به عنوان مثال ADAM در تشخیص نفود ، از الگوریتم قوانین مشترک بهره گرفته است ADAM از فعالیتهای عادی که روی داده های تمرینی عاری از حمله انجام می شود یک پروفایل می سازد .

تحقیق در مورد تفاوت رژیم غذایی ورزشکاران با افراد عادی

اختصاصی از حامی فایل تحقیق در مورد تفاوت رژیم غذایی ورزشکاران با افراد عادی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 20

تفاوت رژیم غذایی ورزشکاران با افراد عادی  رژیم غذایی یک ورزشکار باید در یک مطلب اساسی با رژیم غذایی فرد عادی تفاوت داشته باشد . ورزشکاران علاوه بر احتیاجات زندگی روزمره ، نیاز به سوخت برای تمرین و مسابقه دارند غذا سوخت لازم برای ورزشکاران را تأمین می کند ولی اغلب ورزشکاران از سوختی که در مخازن خود میریزند غافلند . پروتئین ، چربی و کربو هیدراتها سوخت بدن ( انرژی ) شما هستند . همه غذا ها ترکیب یکسانی از نظر محتوا ندارند . همانگونه که ماشینهای مسابقه نیاز به بنزین با درجه اکتان بالا دارند. ورزشکاران نیز نیاز به مواد غذایی دارای درجه کربوهیدرات بالا دارند .

کالری

یک ورزشکار نوجوان ( به خصوص فردی که در حال رشد است ) نسبت به هر زمان دیگری از زندگی نیاز بیشتری به کالری دارد . انرژی مورد نیاز همچنین به نوع ورزش تخصصی و برنامه تمرین شما بستگی دارد . یک دختر نوجوان با جثه متوسط که دارای فعالیت متوسط و هنوز در حال رشد است به حدود 2200 کالری در روز نیاز دارد ، حال آنکه یک دختر 15 ساله با جثه کوچک که رشدش کامل شده به حدود 1800 کالری یا کمتر نیاز دارد . پسران نوجوان بالاخص نیاز بسیاری به کالری دارند . یک پسر نوجوان در حداکثر رشد ممکن است به 4000 کالری در روز احتیاج داشته باشد . میزان کالری که در ورزش نیز می سوزد متفاوت است تمرین پیش از یک فصل در یک تیم فوتبال ممکن است در روز 500 کالری یا بیشتر بسوزاند.

کربوهیدراتها

کربوهیدراتها بهترین سوخت برای ورزشکاران هستند.چرا که در مقایسه با چربی و پروتئین برای سوختن نیاز به اکسیژن کمتری دارند.در صورتی که به اندازه کافی از کربوهیدراتها استفاده کنید قادر خواهد بود شدیدتر ورزش کنید.(چه در هنگام ورزش و چه در مسابقه)

یک رژیم پر کربوهیدرات به شما اجازه میدهد که به خاطر بازسازی ذخایر کربوهیدراتی و کاهش زمان بازگشت به حالت اولیه سخت تر تمرین نمایید.رژیم غذایی در زمان تمرین به ویژه حائز اهمیت است.چرا که اگر شما قادر به تمرین شدیدتر باشید،در طی مسابقه نیز به سطوح بالاتری از کارایی می رسید.هر بادی60-50 در صد کالری مصرفی خود را از کربوهیدراتها تأمین کند.به عنوان یک ورزشکار شما حتی به مقادیر بیشتری در حد 70-60 در صد کالری مصرفی 10-6 گرم به ازای هر کیلوگرم از وزن بدن نیاز خواهد داشت.در صورتی که یک ورزشکار استقامتی هستید،نیاز شما به کربوهیدرات میتواند تا 90-70 در صداز کالری مورد نیاز روزانه شما افزایش یابد.

غذاهای کم محتوا ذخایر کربوهیدرات بدن شما را کاهش خواهد داد و انرژی شما را تحلیل خواهند برد.به نحو مشابه،در صورتی که به جای کربوهیدراتها از غذاهای پرچرب و پر پروتئین استفاده کنید،نخواهید توانست انرژی مناسب برای تمرین و مسابقه مطلوب را تأمین نماید.

پروتئین

زمانیکه به عنوان منبعmaintenance انرژی بکار رود پروتئین در رشد،نگه داری و ترمیم بافتهای بدن دخالت دارد.بر خلاف کربوهیدراتها یک سوخت گرانبها و کم بازده به شمار می آید.از آن جهت گرانبها محسوب می شود که به خاطر مصرف شدن به عنوان سوخت، پروتئین نخست باید به کربوهیدرات یا چربی تبدیل شود که مستلزم صرف انرژی و تولید سموم است.شما برای دفع سموم آب را از دست می دهید که میتواند به کم آبی(دهیدراسیون) منجر شود که خطری برای ورزشکاران است.از آن جهت کم بازده است که استفاده از پروتئین به منظور تأمین انرژی با نقش اولیه پروتئین یعنی رشد،نگهداری و ترمیم بدن سازگار نیست.

از آنجا که بدن ورزشکاران کمی بیشتر در معرض آسیب و جراحت می باشد،نیاز ورزشکار به پروتئین کمی بیشتر از یک فرد غیر ورزشکار است.در صورتی که ورزشکار به برنامه های پرورش اندام و افزایش حجم عضله می پردازد،نیاز به پروتئین بیشتری دارد.برای ورزشکاران استقامتی پروتئین نقش یک باک سوختی ذخیره و به عنوان پشتیبانی کربوهیدراتها سوخت اصلی را ایفا می کند.در کتب،توصیه میشود که یک ورزشکار در حال رشد حدود5/1 گرم پروتئین به ازای هر کیلوگرم از وزن بدن مصرف کند.استفاده از یک رژیم متعادل نیاز پروتئینی ورزشکار را تأمین میکند و نیازی به مکمل های پروتئینی وجود ندارد.مصرف زیاد پروتئین میتواند با افزایش ازت،اوره و آمونیوم موجب ضعف شدید گردد.در ورزشکارانی که فراورده های گوشتی و لبنی را مصرف نمی کنند یا رژیم های خاص گیاهخواری دارند ممکن است نیاز به پروتئین تأمین نشود.

به هر حال همیشه باید این  8 نکته  را مد نظر قرار داد که رشد عضلانی با خوردن غذاهای پر پروتئین افزایش نمی یابد بلکه ورزش است که باعث بزرگی عضلات میگردد.

چربی

با وجود آنکه اغلب ورزشکاران تلقی نامناسبی از چربی دارند،شما باید بدانید که چربی یک ماده مغذی ضروری است و نقشهای حیاتی زیادی را ایفا می کند.

چربی پوست و بدن را تشکیل می دهد.

از طریق ساخت هورمونها بدنتان را تنظیم میکند.

به حالت عایق و محافظ برای احشای داخلی عمل میکند.

به ترمیم بافتهای آسیب دیده و جنگ با عفونت ها کمک میکند.

منبعی برای انرژی است.

چربیها راهی برای ذخیره انرژی در بدن هستند.چربیها را به عنوان یک باک ذخبره در نظر بگیرید.شما دوست دارید که سوخت ذخیره کافی داشته باشید ولی یک باک سنگین به قیمت از دست رفتن سرعت و قدرت شما تمام می شود.

ورزشکارای تقریبأ به همان اندازه افراد غیر ورزشکار به چربی نیاز دارند.ولی از آنجا که ورزشکاران به کالریهای بیشتری نیازمندند و باید نیاز مضاعف خود به کالری را از کربوهیدرتها تأمین کنند،درصد توصیه شده کالری از چربی کمتر است(25-20 درصد برای ورزشکارران در مقابل 30-20درصد برای غیرورزشکار)

به عنوان مثال یک غیر ورزشکار و یک ورزشکار ممکن است هر دو 600 کالری از چربی بدست آورند،ولی در فرد غیرورزشکار

مقاله درباره نفوذ غیر عادی در شبکه

اختصاصی از حامی فایل مقاله درباره نفوذ غیر عادی در شبکه دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 24

تشخیص نفوذهای غیر عادی در بستر شبکه با تشخیص outlier هایی که از قبل بررسی نشده اند

چکیده :

تشخیص ناهنجاری (anomaly) موضوعی حیاتی در سیستم های تشخیص نفوذ به شبکه است (NIDS) . بسیاری از NIDS های مبتنی بر ناهنجاری «الگوریتمهای پیش نظارت شده » را بکار می گیرند که میزان کارایی این الگوریتمها بسیار وابسته به دادها های تمرینی عاری از خطا میباشد . این در حالی است که در محیط های واقعی و در شبکه های واقعی تهیه اینگونه داده ها بسیار مشکل است . علاوه بر اینها ، وقتی محیط شبکه یا سرویسها تغییر کند الگوهای ترافیک عادی هم تغییر خواهد کرد .

این مساله به بالا رفتن نرخ مثبت نمایی در NIDS های پیش نظارت شده منجر می شود . تشخیص یک انحراف کامل (outlier) پیش نظارت نشده میتواند بر موانعی که در راه تشخیص ناهنجاری های پیش نظارت شده وجود دارد غلبه کند . به همین دلیل ما الگوریتم « جنگلهای تصادفی » را که یکی از الگوریتمهای کار امد برای استخراج داده است به خدمت گرفته ایم و آن را در NIDS های مبتنی بر ناهنجاری اعمال کرده ایم . این الگوریتم میتواند بدون نیاز به داده های تمرینی عاری از خطا outlier ها را در مجموعه داده های ترافیک شبکه تشخیص دهد . ما برای تشخیص نفوذهای ناهنجار به شبکه از یک چارچوب کاری استفاده کرده ایم و در این مقاله به شرح همین چارچوب کاری میپردازیم .

در این چارچوب کاری ، الگوی سرویسهای شبکه از روی داده های ترافیکی و با استفاده از الگوریتم جنگلهای تصادفی ساخته شده است . توسط outler تعیین شده ای که با این الگوهای ساخته شده مرتبط هستند نفوذها تشخیص داده می شوند. ما نشان میدهیم که چه اصلاحاتی را روی الگوریتم تشخیص outlier جنگلهای تصادفی انجام دادیم . و همینطور نتایج تجربیات خود را که بر اساس مجموعه داده های KDD 99 انجام شده است گزارش میدهیم .

نتایج نشان میدهد که روش پیشنهادی با سایر روشهای تشخیص ناهنجاری پیش نظارت نشده ای که قبلا گزارش شده اند کاملا قابل مقایسه است . البته روشهایی که بر اساس مجموعه داده های KDD 99 ارزیابی شده اند.

1- معرفی

همراه با رشد فوق العاده زیاد سرویسهای مبتنی بر شبکه و وجود اطالعات حساس روی شبکه ها تعداد حملات به کامپیوترهای تحت شبکه و شدت انها نیز به طور محسوسی افزایش یافته است . در حال حاضر طیف وسیعی از تکنولوژیهای امنیتی وجود دارد که میتوانند از سیستم های تحت شبکه محافظت کنند . تکنولوژیهایی مانند رمز نگاری اطلاعات کنترل دسترسیها و جلوگری از نفوذ اما با وجود این تکنولوژیها هنوز هم راههای زیادی برای نفوذ وجود دارد که تا حلل شناسایی نشده است . به همین دلیل سیتسم های تشخیص نفوذ IDS نقشی حیاتی را در امنیت شبکه ایفا می کنند .

سیستم های تشخیص نفوذ به شبکه NIDS فعالیتهای مختلفی که در شبکه انجام می شود را تحت نظر دارد و از این راه حملات را شناسایی می کند . این در حالی است که سیستم های تشخیص نفوذ به سیستم های تحت Host یعنی HIDS نفوذ به یک host منفرد را شناسایی می کند.

دو تکنیک اصلی برای تشخیص ورودهای نابجا وجود دارد . تشخیص کاربردهای نادرست و تشخیص ناهنجاری anomaly تشخیص کاربردهای نادرست بر اساس الگوهای استخراج شده از نفوذهای شناخته شده حملات را کشف می کند . در روش تشخیص ناهنجاری برای شناسایی حملات به این روش عمل می کند که یکسری پروفایلهایی را برای فعالیتهای عادی ایجاد می کند و سپس بر اسسا این پروفایلها موارد انحراف را تعیین می کند . فعالیتهایی که از حد تعیین شده برای انحرافات فراتر رود جزء حملات شناخته می شوند .

در تکنیک تشخیص کاربردهای نادرست نرخ مثبت نمایی پائین است . اما این تکنیک نمی تواند حملاتی از انواع جدید را شناسایی کند . تکنیک تشخیص ناهنجاری میتواند حملات ناشناخته را کشف کند با این پیش فرض که این حملات ناشی از منحرف شدن از رفتارهای عادی هستند.

در حال حاضر بسیاری از NIDS ها مانند Snort سیستمهای قانونمند شده هستند ، به این معنی که این سیستم ها تکنیکهای تشخیص کاربردهای نادرست را به خدمت میگیرند و بنابراین قابلیت انبساط محدودی برای حملات جدید دارند . برای شناسایی حملات جدید سیستمهای تشخیص ناهنجاری بسیاری توسعه پیدا کرده اند . بسیاری از انها بر مبنای روشهای نظارتی توسعه پیدا کرده اند . به عنوان مثال ADAM در تشخیص نفود ، از الگوریتم قوانین مشترک بهره گرفته است ADAM از فعالیتهای عادی که روی داده های تمرینی عاری از حمله انجام می شود یک پروفایل می سازد .

سپس با پروفایل ساخته شده حملات را شناسایی می کند . مشکل ADAM این است که به داده های تمرینی که برای فعالیتهای عادی استفاده می شوند بیش از حد وابسته است . وقتی که در دنیای واقعی با شبکه های حقیقی کار می کنیم عملا

تحقیق علت انبساط غیر عادی آب

اختصاصی از حامی فایل تحقیق علت انبساط غیر عادی آب دانلود با لینک مستقیم و پر سرعت .

دانلود تحقیق علت انبساط غیر عادی آب 11 ص فرمت word

   علت انبساط غیر عادی آب مربوط به وضع مولکولهای آب در حالت جامد   و مایع آن است                                    

 برای توضیح این پدیده لازم است که ساختمان مولکولی آب و نیز اتمهای سازنده آن بررسی شود.

  هر مولکول آب از یک اتم اکسیژن و دو اتم هیدروژن ( H2O) ترکیب شده است هر اتم اکسیژن  دارای8   الکترون است. از این تعداد 2 الکترون بر سطح انرژی k=1  و6 الکترون برسطح انرژی L=2  با آرایش زیر قرار  دارند:

1S2                            2S2                                 2PX2                         2Py1                             2Pz1

هر اتم هیدروژن دارای یک الکترون ) 1S1) و زمانی که یک اتم اکسیژن با دو اتم هیدروژن پیوند می یابد مولکول قطبی آب را را ایجاد می کنند که وصع اتمها در آن به این صورت است:

پاورپوینت درباره رشد غیر عادی بدن

اختصاصی از حامی فایل پاورپوینت درباره رشد غیر عادی بدن دانلود با لینک مستقیم و پر سرعت .

فرمت فایل :powerpoint (لینک دانلود پایین صفحه) تعداد صفحات 39 صفحه

1- تعریف کوتاهی قد

2- رشد طبیعی

3- فیزیوپاتولوژی کوتاهی قد

4- استفاده از سن استخوانی Bone age

5- سن قدی Height age

6- نکات مهم در شرح حال کودک کوتاه قد

7- نکات مهم در معاینه فیزیکی کودک کوتاه قد

8- کوتاهی قد مناسب و نا مناسب

9- علل شایع کوتاهی قد

مادر ، Hightist Society زندگی می کنیم

اکثراً نگران کوتاهی قد هستند

تعداد کمی بیمار هستند

اکثراً نیاز به توضیح و حمایت دارند

 

پس از     منارک   cm 7-1 افزایش قد وجود دارد .

20% از کل قد نهایی در زمان بلوغ ایجاد می شود به علت اثرات توام

هورمون رشد

استروئید جنسی