ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص سرقت های آنلاین در شبکه اینترنت و شبکه های اجتماعی با شبکه عصبی مصنوعی چند لایه و انتخاب ویژگی

سال انتشار: 1399
کد COI مقاله: ECMM04_087
زبان مقاله: فارسیمشاهد این مقاله: 79
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 تشخیص سرقت های آنلاین در شبکه اینترنت و شبکه های اجتماعی با شبکه عصبی مصنوعی چند لایه و انتخاب ویژگی

محمد سلطانی میرزائی - دانشجوی کارشناسی ارشد نرم افزار- گروه کامپیوتر و فناوری اطلاعات، واحد نیشابور دانشگاه آزاد اسلامی، نیشابور، ایران
حسین منشی زاده نائین - استادیار- گروه کامپیوتر و فناوری اطلاعات، واحد نیشابور دانشگاه آزاد اسلامی، نیشابور، ایران

چکیده مقاله:

یک چالش مهم در اینترنت و شبکه های اجتماعی وجود افرادی به نام فیشر یا سارق است که کاربران را فریبداده و اطلاعات باارزش آنها را سرقت می نمایند. در حملات فیشینگ که فیشرها بر علیه کاربران شبکه اعمالمی نمایند، یک لینک جعلی از طریق شبکه اجتماعی توزیع شده و کاربران را دعوت می نمایند که روی لینک کلیکنموده تا وارد صفحات جعلی شوند. در صفحات جعلی اطلاعات مهم کاربران مانند نام کاربری و کلمه عبور آنهامورد سرقت قرار گرفته می شود. یکی از روش های تشخیص حملات فیشینگ استفاده از روش های یادگیریماشین و داده کاوی مانند شبکه عصبی مصنوعی است. در این مقاله برای کاهش دادن خطای طبقه بندی شبکهعصبی چند لایه در تشخیص فیشینگ از الگوریتم انتخاب ویژگی بر اساس رفتار حشرات آب پیما استفاده می شود.در روش پیشنهادی شبکه عصبی مصنوعی با استفاده از بردار ویژگی بهینه حملات فیشینگ را تشخیص می دهد.پیاده سازی روش پیشنهادی در نرم افزار متلب انجام شده و از 11055 نمونه برای ارزیابی در تشخیص فیشینگاستفاده شده است. آزمایشات نشان داد دقت روش پیشنهادی برابر 98.92 % است و این در حالی است که دقتشبکه عصبی چند لایه بدون انتخاب ویژگی 96.26 % است. روش پیشنهادی در تشخیص فیشینگ از روش هاییادگیری نظیر DTOF-ANN ،Kmeans&SVM ،FACA ،PNN ،BN&SVM در تشخیص فیشینگموثرتر و دقیق تر است.

کلیدواژه ها:

فیشینگ در شبکه اجتماعی، یادگیری مبتنی بر انتخاب ویژگی، شبکه عصبی مصنوعی، حملات فیشینگ

کد مقاله/لینک ثابت به این مقاله

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/1184203/

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:
سلطانی میرزائی، محمد و منشی زاده نائین، حسین،1399،تشخیص سرقت های آنلاین در شبکه اینترنت و شبکه های اجتماعی با شبکه عصبی مصنوعی چند لایه و انتخاب ویژگی،چهارمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران،،،https://civilica.com/doc/1184203

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: (1399، سلطانی میرزائی، محمد؛ حسین منشی زاده نائین)
برای بار دوم به بعد: (1399، سلطانی میرزائی؛ منشی زاده نائین)
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

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 آزاد
تعداد مقالات: 3,198
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 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