دانلود تحقیق علت انبساط غیر عادی آب 10 ص با فرمت WORD
تحقیق علت انبساط غیر عادی آب
دانلود تحقیق علت انبساط غیر عادی آب 10 ص با فرمت WORD
فرمت فایل : WORD (لینک دانلود پایین صفحه) تعداد صفحات 15 صفحه
چکیده :
وقتی که جغد طلاق بر آستانه ی خانه ای نشست و غبار غربت و تنهایی فضای غمگین آشیانه ای را در خود گرفت، جوجه های بی پناه و سرگردان در جستجوی پدر و مادر خویش پرپر می زنند. گاه در دامن مادر می آویزند تا لانه را رها نکند و گاه پدر را صدا می زنند تا برای همیشه ترکشان نگوید، زیرا آنان هنوز در آستانه ی پروازند، هنوز دهان گرسنگی خود را برای غذای محبّت والدین گشوده اند، هنوز گرمای تن مادر را می طلبند تا بال و پر بگشایند و در آسمان پاک و صاف خوشبختی اوج گیرند و زمزمة صدایشان دشت سرسبز زندگیشان را پراکند، ولی اکنون این جغد طلاق است که بر سرشان فرود آمده و کابوس غربت و اندوه بر چشمان منتظرشان نشسته است. اینک پدر یا مادر کدامیک پرواز را تا انتها به آنان خواهند آموخت؟ کدامیک بال نوازش بر سر این جوجگان بی پناه خواهد گسترد؟ کدامیک فروغ محبّت را به لانه ی تاریک هدایت خواهد کرد؟ و اینها پرسشهایی است که کودک در جستجوی پاسخ آنان است.
او قانون نمی داند، او تنها می خواهد به یک اندازه با هر دوتای پدر و مادر باشد و از رنج بی پدری یا بی مادری به یک میزان افسرده و نگران است.
مقدمه
فراموش نکنیم که طلاق یک فاجعه است امّا اگر تنها راه حل موجود باشد وظیفه داریم اثرات مخرب آنرا به حداقل برسانیم. کودکان قربانیان بلافصل طلاق والدین خویشند. اگر نتوانستیم فضای مطلوب و شادی بخش خانوادگی را برایشان فراهم کنیم دست کم باید بیاموزیم که چگونه آنها را از صدمات ناشی از طلاق تا حد امکان در امان داریم.
طلاق یکی از غامض ترین پدیده های اجتماعی عصر ما را از دیدگاه کسانی که بیش از همه آنها لطمه می بینند بررسی می کند. پدیدة طلاق (راه حل) رایج و قانونی، عدم سازش زن و شوهر، فروریختن ساختمان خانواده، قطع پیوند زناشویی و اختلاف ارتباط پدرو مادر با فرزند، توجه اصلی به پیامدهای طلاق و اثرات روحی، عاطفی، اجتماعی و اقتصادی آن بر فرزند است و در کنار آن به علل و موجبات طلاق اشاره ی کوتاهی کرده، سابقه ی طلاق به 20 قرن می رسد. مذاهب عمده همانگونه که در زمینه ی ازدواج و روابط زن و مرد رهنمودها و معیارهایی مقرّر کرده اند به امکان قطع این رابطه و نحوه ی آن نیز پرداخته اند امّا فقط در چند دهه ی اخیر است که طلاق به عنوان یک مسأله ی جدی اجتماع مطرح است.
من با طرح این مسأله و تحقیق در این مورد و با بیان اینکه طلاق بلای خانمان سوز است در صدد بررسی علل و عوامل اصلی این پدیده ی شوم برآمدم تا خوانندگان این تحقیق این مسأله را جدّی تر گرفته و راهکارهای آنرا برای زندگی خود در نظر گیرند تا بتوانند خود را از دام این بلا برهانند.
دسته بندی : علوم پایه _ شیمی
فرمت فایل: ( قابلیت ویرایش و آماده چاپ )
حجم فایل: (در قسمت پایین صفحه درج شده )
علت انبساط غیر عادی آب 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: O ----H 105 H زاویه پیوند در این مولکول حدود 105 ( 41 ، 104( و فاصله دو مرکز اتمهای اکسیژن و هیدروژن 99/0 آنگستروم است. در مولکولهای آب علاوه بر آنکه هیدروژن و اکسیژن بر هم نیرو وارد می کنند نیروهای الکتروستاتیکی هم در اثر وجود هیدروژن موجود است که سبب می شود هر ملکول آب با چهار ملکول مجاور خود پیوند یابد ( پیوند هیدروژنی ) و یک شبکه بلوری را ترتیب دهد. در یخ ملکولهای آب کاملا با یکدیگر پیوند یافته و حلقه های شش ضلعی به وجود می آورند. این شش ضلعیها همه به هم متصلند و ساختمان قفس مانند گسترده ای را در حجم یخ می سازن. فاصله بین دو اکسیژن مجاور 22 / 76 A است. وقتی یخ را حرارت دهیم در دمای ذوب، یخ به شبکه های کوچکتری شکسته می شود و اگر بتوان در لحظه کوتاهی از این تبدیل عکسبرداری کرد ، در عکس به نظر می رسد که یخی شکسته می شود و هر قسمت می تواند بر قسمت دیگر بلغزد. وقتی دما را به تدریج افزایش دهیم ، گرمایی که آن می گیرد ، سبب شکسته شدن پیوند بلوری و افزایش جنبش حرارتی می گردد. جنبش حرارتی بیشتر ، سبب افزایش حجم ماده می شود ، در صورتی که مولکولهایی که در شبکه بلوری در فاصله مشخصی از هم قرار داشتند ، در حالت مایع به هم نزدیکترند و حجم کمتری را اشغال می کنند. باید توجه داشت که در دمای صفر درجه همه مولکولهای یخ از شبکه بلوری خارج نمی شوند و در اثر افزایش دما ، به تدریج شبکه بلوری شکسته می شود و مولکولها به هم نزدیکتر می شوند و همزمان ، جنبش مولکولی سبب افزایش حجم مایع می شود. دو عامل کاهش و افزایش حجم سبب می شود که تا دمای 4 درجه ، حجم آب به کمترین مقدار خود برسد و از آن پس ، با زیاد شدن جنبش مولکولی ، پدیده عادی افزایش حجم آب مشاهده می شود. در هنگام سرد کردن آب تا دمای 4 درجه ، حجم کاهش می یابد ولی در فاصله 4 درجه تا 0 درجه به سبب تش
تعداد صفحات : 10 صفحه
متن کامل را می توانید بعد از پرداخت آنلاین ، آنی دانلود نمائید، چون فقط تکه هایی از متن به صورت نمونه در این صفحه درج شده است.
پس از پرداخت، لینک دانلود را دریافت می کنید و ۱ لینک هم برای ایمیل شما به صورت اتوماتیک ارسال خواهد شد.
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه78
بخشی از فهرست مطالب
خلاصه پژوهش
پرسش پژوهش
اهداف پژوهش:
تعریف نظری متغیرهای پژوهشی:
کودک خیابانی
کودک عادی:
هوش هیجانی
هدف پژوهش:
کودک عادی:
اهمیت موضوع پژوهش
فـصل دوم
پیشـینه
نظریه پردازان
3-بهره برداری از هیجان:
1-ارزیابی و ابراز هیجان:
دیدگاه توانایی (پردازش اطلاعات)
2-تنظیم هیجان در خود و دیگران
شاخه دوم:
شاخه سوم:
شاخه چهارم:
خلاصه پژوهش
پژوهش فوق بررسی مقایسه ای هوش هیجانی کودکان کار و خیابان و کودکان عادی شهر تهران که سن آنها بین 10 تا 15 سال است و به صورت در دسترس مورد سنجش قرار گرفته اند. محقق در این پژوهش با توجه به الگوی مایرو سالوری (1990) مصاحبهای را به صورت ساخت وار و باز پاسخ طراحی کرده که شامل پنج حیطه بود (خودانگیزی، خودآگاهی ادارة هیجانها هم حسی و تنظیم روابط). برای تجزیه و تحلیل از روش مانوتینی یو که روش های ناپاراستریک است استفاده شده و چون روش متقنی برای جمع نمرات کسب شده یافته نشد نمرات دو گروه در پنج حیطه با هم مقایسه شد. و در آخر تفاوت معناداری بین هوش هیجانی کودکان عادی و کودکان کار و خیابان دیده نشد.
فصل اول
پرسش پژوهش
آیا هوش هیجانی کودکان کار و خیابان تفاوت معناداری با کودکان عادی 10 تا 15 سال دارد؟
فرضیه پژوهش
هوش هیجانی کودکان کار و خیابان تفاوت معناداری با هوش هیجانی کودکان عادی دارد.
اهداف پژوهش:
1-توصیف هوش هیجانی (EQ) کودکان کار و خیابان و عادی.
2-مقایسه تفاوت وش هیجانی (EQ) کودکان کار و خیابان بر اساس میزان معناداری
3-تعیین بالاترین و پایین ترین میزان EQ در این گروه
متغیر پژوهش
متغیر وابسته هوش هیجانی
متغیر مستقل: وضعیت کودک اعم از عادی یا کودک کار و خیابان بودن
تعریف نظری متغیرهای پژوهشی:
هوش هیجانی: هوش هیجانی متشکل از مؤلفه های درون فردی است که دارای پنج حیطه باشد خودآگاهی ادارة هیجانها خودانگیزی هم حسی و تنظیم روابط (مایر و سالووی 1996)
کودک خیابانی
کودکانی که عمده وقت خود را بدون مدیریت بزرگسالان در خیابان ها می گذرانند (یونیسف)
کودک عادی:
کودکانی که از محبت پدر و مادر برخوردارند و تحت سرپرستی آنها در خانه و خانواده زندگی می کنند و می توانند از بیشتر امکانات رفاهی اجتماعی فرهنگی برخوردارند.
هوش هیجانی
نمره ای که کودک در پاسخ به پنج سؤال باز پاسخ در رابطه با پنج محور خودآگاهی ادارة هیجانها خودانگیزی هم حسی و تنظیم روابط کسب می کند.
کودک خیابانی
در پژوهش حاضر کودکان کار به کودکانی اطلاق می شود که سطح سنی آنها بین 10 تا 15 سال بوده و برای افراد معاش به شغل هایی نظیر دست فروشی، گل فروشی، فال فروشی، واکس زدن و… اشتغال دارند و اغلب به سرپرست یا بی سرپرست هستند و به طور در دسترس در شهر تهران مورد انتخاب و آزمون قرار گرفت اند.
کودک عادی:
کودکی که از خانواده و محبت آنها برخوردار است و تحت سرپرستی آنها زندگی میکند و به طور در دسترس در شهر تهران مورد انتخاب و آزمون قرار گرفته اند.
هدف پژوهش:
یکی از بزرگ ترین چالشهای بشری توسعه روابط معنی دار و رضایت در زندگی است. مادامی که فرد به نیازهای هیجانی خود و دیگران توجهی نکند. ارتباط موثری با افراد نخواهد داشت. اگر فردی درک هیجانی خوبی داشته باشد. می تواند از تغییرات روحیه و درک احساسها بهره میبرد و از چنین درکی برای اداره کردن و کنار آمدن با هیجانها استفاده کند. (پتن به نقل از اعتصامی 82)
با توجه به اهمیت و تأثر وش هیجانی در زندگی و پیشرفت افراد. در این تحقیق بر آن شدیم تا هوش هیجانی را در کودکان کار و خیابان و کودکان عادی مورد بررسی و مقایسه قرار دهیم.
اهمیت موضوع پژوهش
بحث بر سر اهمیت هوش هیجانی پیوند میان عاطف، شخصیت را شامل می شود از دیدگاه ارسطو مشکل انسان در این نیست که از هیجان برخوردار است، بلکه آنچه اهمیت دارد مناسب بودن هیجان و نحوه ابراز آن است (کلمن 1998)
با توجه به مقوله هوش هیجانی در زندگی روزمره روابط میان فردی و اجتماعی و نقش آن در پیشرفت موفقیت آمیز انسانها و جدید بودن این مقوله و از طرفی تأثیر وضعیت زندگی کودکان در روابط اجتماعی آنها پژوهش حاضر در پی رسیدن به این هدف است که آیا بین هوش عاطفی کودکان عادی و کودکان کار تفاوت معنی داری وجود دارد یا خیز. زیرا کودکان کار و خیابان به دلیل وضعیت خاص زندگی و شرایطی که در آن به سر می برند در معرض هیجانهای متفاوتی قرار می گیرند که گاه ممکن است ویژگیهای درون فردی (خودآگاهی، ادارة هیجانها خود انگیزی هم حسی و تنظیم روابط) را پرورش دهد و گاه باعث سرکوب آنها گردد.
فـصل دوم
پیشـینه
پیشینة هوش هیجانی را می توان در ایده و کسلر به هنگام تبیین جنبه های غیر شناختی هوش عمومی جست و جو کرد. وکسلر در صفحه 103 گزارش 1943 خود دربارة هوش می نویسد کوشیده ام نشان دهم که علاوه بر عوامل هوش عوامل غیر هوشی ویژه ای نیز وجود دارند که می تواند رفتار هوشمندانه را مشخص کند. نمیتوانیم هوش عمومی را مورد سنجش قرار دهیم. مگر اینکه آزمونها و معیارهایی نیز برای سنجش عوامل غیر هوشی در بر داشته باشند. وکسلر در کارهای خود به تلاشهای دال حسی به سنجش حیات غیر شناختی هوش نیز اشاره کرده است. نتیجه کوشش های دال در مقیاس رشد اجتماعی وایلند منعکس است.
پیر (1984) نیز بر این باور بود که تفکر هیجانی بخشی از تفکر منطقی است و به این نوع تفکر یا به معنای کلی تر هوش، کمک می کند. روان شناس دیگری نظیر مایر (1993) و سالووی نیز پژوهش های خود را بر جنیه های هوشی هیجانی متمرکز کردهاند (جلالی 1381) پیش از 1990 پاین (1968) برای نخستین بار واژه هوش هیجانی را به کار برد و چنین نوشت:
یکی از دلایلی که بسیاری از پژوهشگران در حال حاضر هوش هیجانی را مورد مطالعه قرار می دهد. این است که افرادی هوش هیجانی بالایی دارند در برخی جنبه های از دیگر افراد جامعه مؤثرترند.
هوش هیجانی، احساس و تفکر را به کار می گیرد و موفقیت افراد را به زندگی بهترین نحو پیش بینی می کند (بس 1996 و هنگ 1996 به نقل از مایر سالوی و کارسو 2000)
شایان ذکر است که ایده هوش هیجانی پس از 50 سال بار دیگر توسط گاردنر (1983) استاد روان شناس دانشگاه هاروارد دنبال شد. وی هوش را مشتمل بر ابعاد گوناگونی چون زبانی، موسیقیایی، منطقی ریاضی جسمی میان فردی و درون فردی می داند. گاردنر وجوه شناختی مختلفی را با عناصر از هوش شناختی یا به گفته خودش شخصیتی ترکیب کرده است. بعد غیر شناختی مورد نظر او مشتمل بر دو مؤلفه کلی است که وی آنها را با عناوین استعدادهای درونی و مهارت های میان فردی معرفی میکند. به نظر گاردنر هوش هیجانی متشکل از دو مولفه هوش درون فردی و هوش میان فردی است.
طی یافته های کلمن (1998) سالووی و مایر (1990) اولین تعریف رسمی از هوش هیجانی مطرح می شود. در همان سال نیز مایر و سالوی همراه با دی پائولو اولین آزمون توانایی های هوش و هیجانی را به ثبت رساندند یک آزمون توانایی به جای اتکا به گردش دادن شخصی توانایی ها. توانایی های واقعی را می سنجد از آن پس از هر کسی در زمینه تحول مفهوم هیجانی به عنوان هوش حقیقی شناخته شده اند.
بار آن هوش غیر شناختی را عامل مهمی در تعیین توانمندی افراد برای کسب موفقیت در زندگی تلقی می کند و آن را با سلامت عاطفه- یعنی وضعیت روانی یعنی و در مجموع سلامت هیجانی- در ارتباط مستقیم می بیند. بار آن برای اولین بار بهره هیجانی (EQ) را در برابر IQ که اصطلاح شناخته شده و مقیاسی برای سنجش هوش شناختی است مطرح کرد و از سال 19810 به تدوین پرسشنامه بهره هوش هیجانی EQ و توصیف کمی هوش شناختی تنها شاخص عمده برای پیش بینی موفقیت فرد نیست.
هوش هیجانی مجموعه ای از توانایی دست که نشان می دهد دقت گزارش های هیجانی افراد چقدر متفاوت است و درک دقیق تر هیجان چگونه منجر به حل بهتر مسئله هیجانی در زندگی فرد می شود در واقع هوش هیجانی توانایی درک و ابراز هیجان ذهن و فهم و استدلال هیجان و نظم دادن به هیجان خود و دیگران است (مایر و سالووی 1997)
هوش هیجانی آگاهی از احساس ها و استفاده از آن برای تماسی تصمیم های مناسب به زندگی و همچنین توانایی تحمل کردن ضربه های روحی و مهار آشفتگی های روحی است و به عبارت دیگر هوش هیجانی نوعی مهارت اجتماعی است یعنی با مردم کنار آمدن مهار احساس ها و رابطه با انسان ها و توانایی ترغیب یا راهنمایی دیگران (به نقل از علی حسین وفایی صفتی 1381-1380) هوشیاری هیجانی غیر مهارت در کنترل هیجانها به طوری که تعادل بین هیجانها و منطق را به نحوی افزایش دهد که فرد به شادکامی دراز مدت دست یابد (همین 1996)
عامل هوش عاطفی نوعی از با هوش بودن است. از دیدگاه روزبرگ (1992) هوش عاطفی از دو مؤلفه بینش فرد و استعداد فطری همدلی تشکیل شده است.
مؤلفه اول: بینش فردی در همة موقعیت ها و به طور حتم در تمام مراحل حل مسئله، تصمیم گیری و یا انجام تکلیف یادگیری شایان اهمیت است.
مؤلفه دوم: به هنگام انجام وظیفه و یا موقعیتی خاص در رابطه با دیگران ضرورتی یا به شکلی است که در چنین موقعیتی رابطه ای متقابل میان ما و دیگران وجود دارد. با وجود این احساس همدلی حتی در صورت عدم حضور فیزیکی دیگران می تواند مؤلفهای ضروری و حساس باشد.
مثلاً: وقتی برای کسی یا از جانب کسی مطلبی می نویسیم شناخت مخاطب یقیناً بر اساس احساس همدلی نسبی در برقراری ارتباط اثر بخشی عاملی ضروری است. (حسین ئفایی صنعتی 81)
مایر و سالووی هوش هیجانی را متشکل از مؤلفه ای درون فردی می دانند که در پنج حیطه به شرح زیر خلاصه می شود.
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه: 24
چکیده :
تشخیص ناهنجاری (anomaly) موضوعی حیاتی در سیستم های تشخیص نفوذ به شبکه است (NIDS) [1] . بسیاری از NIDS های مبتنی بر ناهنجاری «الگوریتمهای پیش نظارت شده » [2] 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 [3] 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 » [4] 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 [5] 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[6] 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 هیچ تضمینی نیست که بتوانین از تمامی حملات جلوگیری کنیم . بنابراین دست یافته به داده های تمرینی عاری ازخطا کار بسیار مشکلی است . در حقیقت هم یکی از مرسوم ترین راههایی که برای تحلیل بردن یک سیستم IDS مبتنی بر ناهنجاری استفاده می شود این است که بخشی از فعالیتهای نفوذی را درون داده های تمرینی وارد کنیم . IDS هایی که با این داده های تمرینی تعلیم دیده اند قابلیت شناسایی این نوع از نفوذها را از دست میدهند .
مشکل دیگر IDS های مبتنی بر نظارت بر رفتارهای ناهنجار این است که وقتی محیط شبکه یا سرویسها تغییر می کند نرخ مثبت نمایی بالا میرود . از انجایی که داده های تمرینی فقط فعالیتهای مطالعه شده را شامل می شود پروفایل مربوط به فعالیتهای عادی فقط شامل الگوهای مطالعه شده ای است که از روی رفتارهای عادی برداشته شده اند . بنابراین فعالیتهای جدید ناشی از تغییر محیط شبکه یا سرویسها از پروفایلی که قبلا ساخته شده تبعیت نمی کند و به عنوان حمله شناسایی می شوند . این مساله باعث بالا رفتن مثبت نمایی ها خواهد شد .
برای غلبه بر محدودیتهای سیستم های مبتنی بر ناهنجاری های نظارت شده تعدادی از IDS ها از روشهای غیر نظارتی استفاده می کنند . در تکنیک تشخیص ناهنجاری به صورت غیر نظارتی نیازی به داده های تمرینی عاری از خطا نیست . این تکنیک برای شناسایی حمله ها به این ترتیب عمل می کند که فعالیتهای غیر معمول داده ها را تعیین می کند . برای این کار دو پیش فرض دارد :
فعالیتهای غیر معمول همان انحرافهای کامل ( Outlier) هستند که با مجموعه داده های باقیمانده جور در نمی ایند . بنابراین تکنیکهای تشخیص Outlier می توانند روی سیستم هایی که ناهنجاریها را به صورت غیر نظارتی تشخیص می دهند اعمال شوند . در واقع هم اکنون هم تشخیص Outlier در تعدادی از برنامه های عملی مانند شناسایی کردیت کارتهای تقلبی و پیش بینی وضع هوا در حال استفاده است .
ما روشی را پیشنهاد می کنیم که برای تشخیص نفوذهای غیر عادی از تکنیک تشخیص outlier ی که توسط الگوریتم جنگلهای تصادفی تهیه شده است استفاده می کند . جنگلهای تصادفی روشی است که در میان الگوریتمهای استخراج داده موجود تقریبا پیشتاز است .
این الگوریتم تا کنون در برنامه های مختلف بسیار زیادی استفاده شده است . برای مثال در برنامه پیشگویی نظریه احتمالات تجزیه الگو در بازیابی اطلاعات چند رسانه ای مورد استفاده بوده است. متاسفانه تا جایی که ما اطلاع دارمی تا کنون این الگوریتم را در سیستم های تشخیص نفوذهای غیر عادی بکار نبرده اند .
دغدغه اصلی سیستمهای تشخیص نفوذهای غیر عادی این است که مثبت نمایی ها را به حداقل برسانند . تکنیک تشخیص outlier برای کاهش نرخ مثبت نمایی و ارائه یک نرخ شناسایی مطلوب و قابل قبول موثر خواهد بود . روش پیشنهادی توسط مجموعه داده KDD99 ارزیابی شده است .
این مجموعه داده برای سومین مسابقه بین المللی ابزارهای استخراج داده و اکتشاف دانش مورد استفاده بوده است . نتایج تجربیات ما نشان می دهد که میزان کارایی تکنیک تشخیص با روش پیشنهادی ما یعنی تکنیک تشخیص outlier به طور موثری بهبود پیدا کرده است .
این مقاله به این صورت تنظیم شده است . در بخش دوم ما کارهای مربوطه را شرح می دهیم در بخش سوم به صورت تفصیلی روش تشخیص outlier با استفاده از الگوریتم جنگلهای تصادفی را شرح می دهیم . در بخش چهارم تجربیات و ارزیابی های انجام شده برای تعیین میزان کارایی نشان داده می شود . و در اخر در بخش پنجم مقاله را خلاصه می کنیم و طرح تحقیقات آتی خود را مشخص می کنیم .
2- کارهای مربوطه
یکی از موضوعهای مهمی که در تحقیقات مربوط به تشخیص نفوذها وجود دارد ، تشخیص ناهنجاری بوده تا کنون روشهای بسیار متنوعی برای تشخیص ناهنجاری پیش نظارت نشده در NIDS ها یک موضوع تحقیقاتی جدید است اسکین [7] در موضوع تشخیص ناهنجاری نظارت نشده ، سه الگوریتم را بررسی کرده است : تخمین بر مبنای کلاستر [8] ، نزدیکترین همسایه [9] و SVM [10] تک کلاسی . سایر محققان در NIDS های غیر نظارتی روشهای کلاسترینگ را اعمال کرده اند.
سیستم تشخیص ناهنجاریهای پیش نظارت شده در طیف وسیعی مورد مطالعه قرار گرفته است . در همین مبحث ، ADAM[11] پروژه ای است که در عرصه وسیعی شناخته شده و منتشر شده است . این پروژه یک online IDS در بستر شبکه است . ADAM میتواند به همان خوبی که حملات شناخته شده را تشخیص میدهد حملات ناشناخته را هم تشخیص دهد .
به این ترتیب که از رفتارهای عادی مربوط به داده های تمرینی عاری از خطا پروفایل میسازد و این پروفایل را به عنوان یک مجموعه قوانین مشترک ارائه می کند. در زمان اجرا با توجه به این پروفایل ، تماسهای مشکوک را شناسایی می کند . روشهای پیش نظارت شده دیگری هم بر سیستم های تشخیص ناهنجاری اعمال شده اند . روشهایی نظیر الگوریتم ژنتیک و استخراج داده های مبهم و نامعلوم ، شبکه های عصبی و SVM .
در کار قبلی مان ، ما الگوریتم جنگلهای تصادفی را در سیستم تشخیص کاربردهای نادرست misuse اعمال کردیم . در این مقاله تابع تشخیص outlier تهیه شده توسط الگوریتم جنگلهای تصادفی را برای تشخیص ناهنجاری پیش نظارت نشده به خدمت گرفته ایم . دقت و تاثیر این الگوریتم روی مجموعه داده های برگی که دارای ویژگیهای زیادی هستند بیشتر است . مجموعه داده هایی نظیر مجموعه داده های ترافیک شبکه.
3- تشخیص Outlier ها
در این بخش ما چارچوب کاری پیشنهادی برای NIDS را شرح میدهیم و نشان میدهیم که چگونه از این الگوریتم برای تشخیص outlier های روی مجموعه داده ای ترافیک شبکه استفاده می کنیم .
الف – شرح چارچوب کاری
چارچوب کاری پیشنهادی برای تشخیص نفوذهای نوظهور از الگوریتم جنگلهای تصادفی استفاده می کند . چارچوب کاری در شکل 1 نمایش داده شده است.
شکل 1- چارچوب کاری NIDS ناهنجاری پیش نظارت نشده
NIDS از ترافیک شبکه تصویر بردار یمی کند و با پیش پردازش کردن مجموعه داده ها را میسازد . سپس با استفاده از الگوریتم ف از روی مجموعه داده الگوهایی بر مبنای سرویسها ساخته می شود . با الگوهای ساخته شده می توانیم outlier های مربوط به هر الگو را پیدا کنیم . وقتی outlier ها شناسایی شدند سیستم یک اخطار تولید می کند .
بعد از اینکه تصویر برداری از ترافیک شبکه انجام شد پردازش به صورت off-line ادامه خواهد یافت . زیرا الگوریتم تشخیص outlier نیازمندیهای زیادی برای محاسبات لازم دارد . به همین دلیل هم در محیطهای واقعی شبکه پردازشهای online مناسب نیست
این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید