ارزیابی ویژگیهای جدیدبرای شناسایی روبات های مخرب وب برپایه ی روشهای یادگیری ماشین

امروزه انواع مختلفی ازروباتهای وب همزمان با کاربران انسانی به اطلاعات سایت ها دسترسی پیدا می کنند دسته بندیکاربران وجداسازی انسان ها ازروبات ها مسئله مهم برای سرورهای ارایهدهنده ی خدمات محسوب میشود چرا که گاهی خدمت دهی به روبات ها مانع ازارایه خدمات کافی برای کاربرانسانی میشود ازطرفی روباتها خودشان به دسته های خوش رفتارومخرب تقسیم بندی میشوند و نبایدازدسترسی همه ی آنها جلوگیری به عمل اورد ازجمله روبات مخربی که برای حمله به سایت ها استفاده میشوند روباتهای حمله ی منع سرویس هستند که همه ساله خسارت فراوانی ازخود برجای میگذارند مادراین تحقیق بااستفاده ازتکنیک های یادگیری ماشین برروی فایل ثبت وقایع سایت به مدلی مناسب برای شناسایی روباتهای مخرب وب باصحت بالای 96درصد دست پیدا کرده ایم همچنین مابانگاهی ویژه به روباتهای مخربی که رفتارانسان ها را تقلید می کنند روش جدیدی برای برچسب گذاری مجموعه داده پیشنهاد دادیم و باارایه 4ویژگی جدید نشان دادیم که روشهای یادگیری ماشین بااستفاده ازویژگیهای ارایه شده درپژوهشهای قبلی و افزودن این ویژگی ها عملکردبهتری ازخود نشان میدهند

کلیدواژه های ارزیابی ویژگیهای جدیدبرای شناسایی روبات های مخرب وب برپایه ی روشهای یادگیری ماشین:

روبات وب ، مخرب ، دسته بندی ، حمله ی DDoS ، Bot