CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

رهیافتی در کاهش ناهنجاری در اینترنت اشیا: تشخیص انامولی با استفاده از یادگیری ماشین و الگوریتم تکاملی

عنوان مقاله: رهیافتی در کاهش ناهنجاری در اینترنت اشیا: تشخیص انامولی با استفاده از یادگیری ماشین و الگوریتم تکاملی
شناسه ملی مقاله: ICTBC05_010
منتشر شده در پنجمین همایش بین المللی مهندسی فناوری اطلاعات، کامپیوتر و مخابرات ایران در سال 1400
مشخصات نویسندگان مقاله:

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

خلاصه 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.

کلمات کلیدی:
سیستم تشخیص نفوذ، انتخاب ویژگی، الگوریتم تکاملی، دسته بندی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1402492/