یک رویکرد مبتنی بر الگوریتم یادگیری عمیق برای کشف بدافزار در رایانش ابری

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 134

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CONFIT01_0136

تاریخ نمایه سازی: 4 مهر 1403

چکیده مقاله:

یکی از مهم تر ین چالش های امنیتی در راه اندازی وب سرورهای ارائه دهنده خدمات در اینترنت ، ناتوانی ذاتی اینترنت در مقابله با حملات و بدافزارها است . این بدافزارها به راحتی اجرا شده و به صورت محلی یا از راه دور قابل کنترل می باشند. اکثر این بدافزارها در رسیدن به اهداف اصلی حمله ، موفق بوده و مهاجم را به خواسته های خود می رساند. علت این امر در این است که مکانیسم های زیادی برای راه اندازی بدافزارها براساس مشخصات سرور قربانی وجود دارد، همین امر خود موجب می شود که نتوان یک راه حل دفاعی جامع در برابر بدافزارها ارائه نمود. راهکارهای متعددی برای شناسا یی و مقابله با بدافزارهای مزبور ارایه شده است که در این پژوهش راهکار استفاده از شبکه عصبی عمیق GMDH ارا یه گردیده است .

کلیدواژه ها:

نویسندگان

افشین رضائی

گروه کامپیوتر، موسسه آموزش عالی پیشتازان، شیراز، ایران.

سیدمهدی حضرتی فرد

استادیار گروه کامیوتر، موسسه آموزش عالی پیشتازان، استان فارس، ایران.