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

An IoT Intrusion Detection Method based on Focal Loss in Variational Auto-Enoders

سال انتشار: 1399
کد COI مقاله: ITCT11_009
زبان مقاله: انگلیسیمشاهد این مقاله: 15
فایل این مقاله در 11 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 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله An IoT Intrusion Detection Method based on Focal Loss in Variational Auto-Enoders

Negar Hojjat Panah - Department of Computer Science and Engineering Islamic Azad University, Science and Research Branch, Tehran, Iran
Maryam Rajabzadeh Asaar - Department of Computer Science and Engineering Islamic Azad University, Science and Research Branch, Tehran, Iran

چکیده مقاله:

Internet of Things (IoT) sensors continuously generate large volumes of heterogeneous and imbalanced traffic on their networks. In this traffic, the number of attack samples are very small and insignificant compared to normal samples, so the attack traffic may be wrongly classified as normal traffic and cause distributed denial of service (DDoS) attack in IoT networks. In this research, an intrusion detection system (IDS) has been proposed, using a combination of a deep variational auto-encoder (VAE) algorithm and a random forest (RF) classification, which uses the focal loss function to reduce the effect of imbalance network traffic and increase the accuracy of anomaly detection. The proposed method has been applied on a traffic network data named CICIDS۲۰۱۷ which is available online. The proposed system is able to detect attacks with up to ۹۹.۸۶% accuracy when handling the imbalanced class distribution with fewer samples, making it more convenient in real-time data fusion problems that target data classification.

کلیدواژه ها:

Anomaly, Focal Loss Function, Variational Auto-Encoders, Internet of Things

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/1197078/

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:
Hojjat Panah, Negar and Rajabzadeh Asaar, Maryam,1399,An IoT Intrusion Detection Method based on Focal Loss in Variational Auto-Enoders,یازدهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات,,,https://civilica.com/doc/1197078

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, Hojjat Panah, Negar؛ Maryam Rajabzadeh Asaar)
برای بار دوم به بعد: (1399, Hojjat Panah؛ Rajabzadeh Asaar)
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: 30,754
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