رهیافتی در کاهش ناهنجاری در اینترنت اشیا: تشخیص انامولی با استفاده از یادگیری ماشین و الگوریتم تکاملی
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 152
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTBC05_010
تاریخ نمایه سازی: 27 بهمن 1400
چکیده مقاله:
وظیفه سیستمهای تشخیص نفوذ، تشخیص و شناسایی استفاده های غیرمجاز به سیستم، توسط هر نوع کاربر (داخلی یا خارجی)می باشد. شناسایی و ممانعت از نفوذ و انجام عملیات مخربانه، امروزه به عنوان یکی از روش های اصلی در تامین امنیت شبکه هابه خصوص شبکه اینترنت اشیا بوده و عموما به صورت مکمل امنیتی در کنار دیواره های آتش مورد استفاده قرار میگیرد. سیستمهای تشخیص نفوذ به صورت نرم افزاری و سخت افزاری تولید می شوند و هر کدام از این روش ها مزایا و معایب خاص خود را دارا می باشند. سرعت بالا و دقت مناسب در کنار عدم شکست امنیتی آن ها توسط مخربان سیستم از جمله مزایای این سیستم های سخت افزاری محصوب می شوند . پژوهش حاضر به بررسی انوع روشهای تشخیص نفوذ پرداخته و بر راستای بهبود تشخیص نفوذ شبکه رویکردی مبتنی بر الگوریتم ژنتیک و الگوریتم ترکیبی Bagging و Boosting ارائه میگردد. روش پیشنهادی میزان ۱ درصد توانسته نتایج موجود در سایر مقالات را بهبود بخشد.
کلیدواژه ها:
نویسندگان
منصور سنجابی
دانشجوی کارشناسی ارشد مهندسی فناوری و اطلاعات، گروه کامپیوتر، دانشکده فنی و مهندسی موسسه آموزش عالی روزبهان
ابولفضل لاکدشتی
استادیار دانشگاه روزبهان
ندا لاشکی
استادیار دانشگاه روزبهان