بهبود نرمال سازی ماکس-مین برای افزایش کارایی استخراج کننده های ویژگی در شبکه های عمیق به منظور کشف بهینه نفوذ در اینترنت اشیا
- سال انتشار: 1404
- محل انتشار: یازدهمین کنفرانس بین المللی مهندسی برق، کامپیوتر و مکانیک
- کد COI اختصاصی: ICPCONF11_187
- زبان مقاله: فارسی
- تعداد مشاهده: 37
نویسندگان
استاد دانشگاه، دستیار آموزشی دکترا برق قدرت دانشگاه آزاد اسلامی - واحد ایلام
کارشناسی مهندسی کامپیوتر دانشگاه پیام نور - واحد ایلام - کارشناسی ارشد مهندسی سیستم های قدرت گروه مهندسی برق دانشگاه آزاد اسلامی - واحد ایلام
چکیده
با گسترش روزافزون تجهیزات اینترنت اشیا در زیرساخت های حیاتی مانند شبکه های قدرت، نیاز به طراحی سامانه های هوشمند تشخیص نفوذ با دقت بالا و مصرف انرژی بهینه بیش از پیش احساس می شود. یکی از چالش های اساسی در این حوزه کیفیت استخراج ویژگی ها از داده های سنسوری و ارتباطی است که مستقیما بر عملکرد مدل های یادگیری عمیق تاثیر می گذارد. نرمال سازی داده ها به عنوان مرحله ای حیاتی در پیش پردازش، نقش تعیین کننده ای در همگرایی شبکه و تمایز کلاس ها دارد. روش ماکس مین علیرغم سادگی، در مواجهه با داده های نویزی، نامتوازن و غیرخطی عملکرد مطلوبی ندارد. در این پژوهش یک الگوریتم نرمال سازی تطبیقی مبتنی بر بهبود روش ماکس مین طراحی و در محیط متلب پیاده سازی شد. این الگوریتم با در نظر گرفتن نوع ویژگی ها اسمی، رتبه ای، فاصله ای نسبتی و شرایط آماری داده ها، مقیاس بندی پویا را برای هر فیلد به صورت مجزا اعمال می کند. داده های نرمال شده به شبکه عصبی عمیق داده شدند تا فرآیند طبقه بندی گره ها بر اساس وضعیت عملکرد و احتمال نفوذ انجام گیرد. برای ارزیابی، مدل از مجموعه داده ای شامل انواع حملات شبکه ای استفاده شد و معیارهایی مانند دقت طبقه بندی، نرخ خطا، اعوجاج ویژگی ها و مصرف انرژی مورد بررسی قرار گرفت. سپس نتایج شبیه سازی در ۱۰ راند آزمایش نشان داد که مدل توسعه یافته با نرمال سازی تطبیقی در مقایسه با مدل کلاسیک، میانگین دقت بالاتری (۸۷.۶ در برابر ۸۴.۲)، مصرف انرژی کمتر (۰.۲۱۵ ژول در برابر ۰.۲۴۸ ژول)، و نرخ خطای پایین تری (۱۲.۴ در برابر ۱۵.۸ درصد) ارائه داد. این بهبود عملکرد در کنار حفظ ساختار آماری داده ها نشان دهنده اثربخشی الگوریتم پیشنهادی در شرایط عملیاتی واقعی است. روش ارائه شده می تواند به عنوان بخشی از سامانه های حفاظتی تطبیقی در شبکه های قدرت و سایر مورد استفاده قرار گیرد و زمینه ساز توسعه راهکارهای بومی در حوزه امنیت سایبری باشد.کلیدواژه ها
شبکه عصبی عمیق, اینترنت اشیا, کشف نفوذ, استخراج ویژگی, امنیت سایبریمقالات مرتبط جدید
- مدلسازی و شبیه سازی جبران ساز سری سنکرون استاتیکی توزیع برای حل چالش های شبکه توزیع بر پایه الگوریتم بهینه سازی گرگ خاکستری
- تاثیر دما بر تنش زدایی فولاد در تمپرینگ عملیات حرارتی
- معماری ادراکی برای تعامل تیمی انسان و ربات
- شبیه سازی اثر تغییر بار بر خروجی مولد فشرده ساز شار دیسکی
- سیستم پرداخت الکترونیکی کارآمد برای تجارت الکترونیک
اطلاعات بیشتر در مورد 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.