Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

یک رویکرد جدید تشخیص نفوذ به شبکه با رفتار هوش گروهی و تکنیک یادگیری ماشین

یک رویکرد جدید تشخیص نفوذ به شبکه با رفتار هوش گروهی و تکنیک یادگیری ماشین
سال انتشار: 1398
کد COI مقاله: ICTI03_076
زبان مقاله: فارسیمشاهده این مقاله: 303
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 17 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یک رویکرد جدید تشخیص نفوذ به شبکه با رفتار هوش گروهی و تکنیک یادگیری ماشین

محسن اسدی - کارشناس ارشد شبکه های کامپیوتری، دانشگاه رجاء
افسانه جلالیان - استادیار گروه کامپیوتر، دانشگاه رجاء
محمدباقر کردافشاری - مهندسی کامپیوتر دانشگاه آزاد واحد بویین زهرا

چکیده مقاله:

نفوذ به شبکه می تواند کارکرد شبکه را با اختلال مواجه سازد و اطلاعات کاربران شبکه را مورد سرقت قرار دهد. یکی از روش های تشخیص نفوذ به شبکه استفاده از روش های یادگیری ماشین و داده کاوی است و می توان به کمک این روش ها ترافیک غیرنرمال را تشخیص داد اما برای کاهش دادن خطای خروجی نیاز است تا ورودی تکنیک داده کاوی دقیق انتخاب شوند. در روش پیشنهادی برای طراحی سیستم تشخیص نفوذ، در فاز اول انتخاب ویژگی توسط الگوریتم بهینه سازی پروانه انجام شده و در فاز دوم نیز انتخاب بهینه پارامترهای یادگیری شبکه عصبی مصنوعی توسط این الگوریتم انجام شده تا خطا کاهش داده شود. پیاده سازی روش پیشنهادی در محیط متلب و بر روی مجموعه داده تشخیص نفوذ نشان می دهد که روش پیشنهادی با خطای اندک می تواند نفوذ به شبکه را تشخیص دهد. آزمایشات نشان می دهد تابع هدف انتخاب ویژگی در تشخیص نفوذ به شبکه بر حسب تکرار الگوریتم بهینه سازی پروانه یک روند رو به کاهش دارد که دلیل آن انتخاب بهینه ویژگی است از طرفی متوسط خطای تشخیص نفوذ به شبکه بر حسب تکرار الگوریتم پیشنهادی در حال کاهش است و این کاهش به دلیل انتخاب بهینه وزن و بایاس توسط الگوریتم بهینه سازی پروانه است. آزمایشات نشان میدهد روش پیشنهادی نسبت به شبکه عصبی چند لایه، شبکه عصبی مصنوعی بازگشتی، شبکه بیزین و ماشین بردار پشتیبان دارای کمترین خطا است و خطای روش پیشنهادی نسبت به شبکه عصبی مصنوعی چند لایه نیز در حدود 25٫43٪در تشخیص نفوذ به شبکه کاهش داشته است. آزمایشات نشان داد که متوسط دقت روش پیشنهادی برای تشخیص نفوذ به شبکه برابر 99٫67٪و متوسط حساسیت آن برای تشخیص نفوذ به شبکه نیز برابر 98٫86% است. نتایج آزمایشات نشان می دهد دقت و حساسیت آن در تشخیص نفوذ از شبکه عصبی مصنوعی چند لایه، شبکه عصبی مصنوعی بازگشتی، شبکه بیزین و ماشین بردار پشتیبان بیشتر است.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICTI03_076 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1031251/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
اسدی، محسن و جلالیان، افسانه و کردافشاری، محمدباقر،1398،یک رویکرد جدید تشخیص نفوذ به شبکه با رفتار هوش گروهی و تکنیک یادگیری ماشین،سومین کنفرانس ملی فناوریهای نوین در مهندسی برق و کامپیوتر،اصفهان،https://civilica.com/doc/1031251

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، اسدی، محسن؛ افسانه جلالیان و محمدباقر کردافشاری)
برای بار دوم به بعد: (1398، اسدی؛ جلالیان و کردافشاری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 505
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی