تجمیعی از دسته بندها برای مسئله تشخیص صفحات وب مخرب

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 689

فایل این مقاله در 9 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:

CCITC01_062

تاریخ نمایه سازی: 27 آبان 1393

چکیده مقاله:

امروزه با گسترش روزافزون تکنولوژی اینترنت که در حقیقت به عنوان یک نیاز روزمره ضروری در جنبه های مختلفی از زندگی افراد مانند آموزش، بانکداری، خرید و فروش، ارتباطات، سرگرمی و ... نمایان شده است. اغلب کاربران از سرویس های مختلف اینترنت استفاده می کنند که این سرویس ها از طریق برنامه های کاربردی فراهم می شوند. به این دلیل که این زبان ها می توانند به آسانی و سهولت تغییر پیدا کنند، به عنوان ابزاری برای انجام حملات توسط مهاجمان به کارگرفته می شوند. از این رو، کشف و شناسایی مؤثر و دقیق اینگونه حملات، از استراتژی های خیلی مهم و حیاتی در حوزه امنیت شبکه است. در این مقاله، ما یک مدل شناسایی صفحات وب مخرب مبتنی بر یادگیری تجمیعی ارائه می دهیم. هدف اصلی ما از بکارگیری ایده تجمیع در فرآیند یادگیری این است که فرصت آموزش بیشتری به نمونه های داده ای که به درستی دسته بندی نشده اند، داده شود. این امر موجب کاهش نرخ خطای دسته بندها و در نتیجه منجر به بهبود دقت دسته بندی صفحات وب مخرب می شود. نتایج به دست آمده از اجزای این مدل نشان می دهد که مدل پیشنهادی با الگوریتم دسته بندی Random tree به عنوان دسته بند پایه تجمییع، کارآیی بهتری از لحاظ نرخ کشف از دیگر الگوریتم های دسته بندی تست شده برای مسئله شناسایی صفحات وب مخرب را دارد.

کلیدواژه ها:

نویسندگان

فاطمه علامه

دانشجوی کارشناسی ارشد نرم افزار کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان، اهواز، ایران

محمد ضیعی آباده

عضو هیئت علمی گروه مهندسی کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • جواد حاجیان نژاد، مجید وفایی جهان، ناصر یوسفی، طراحی سیستم ...
  • دانشگاه آزاد اسلامی واحد مرودشت- مهر ماه 1393 ...
  • دانشگاه آزاد اسلامی واحد مرودشت- مهر ماه 1393 ...
  • Polikar, R., Ensemble Based Systems in Decisioم Making, IEEE Circuits ...
  • Lam Le, Van., Welch, Ian., Gao, Xiaoying., Komisarczuk, Peter., Two-stage ...
  • Christodorescu, M., et al. Semantics _ Malware Detection. In Security ...
  • Hou, Y.T., Chang, Y., Chen, T, Laih, C.S., Chen, C.M., ...
  • Byung-Ik, K., Chae-Tae, I., Hyun-Chul, J., Suspicious Malicious Web site ...
  • Dewald, A., Holz, T., Freiling, F.C, Adsandbox: Sandboxing Javascript _ ...
  • Cova, M., Kruegel, Ch., Vigna, G., Detection and Analysis of ...
  • Qassrawi, Mahmoud T., Zhang, Hongli., Detecting Malicious Web Servers with ...
  • Canali, D., Cova, M., Vigna, G. , Kruegel, C., Prophiler: ...
  • Choi, H., B.Zhu, B., Lee, H., Detecting Malicious Web Links ...
  • Yue, T., Sun, J., Chen, H., Fine-Grained Mining and Classification ...
  • Eshete, B., Villafiorita, A., Weldemariam, K., BINSPECT. Holistic Analysis and ...
  • Ma, J., Saul, L.K., Savage, S., Voelker, G.M., Learning to ...
  • Ma, J., Sau, L.K., Savage, S., Voelker, G.M., Beyond Blacklists ...
  • Chiba, D., Tobe, K., Mori, T., Goto, Sh., Detecting Malicious ...
  • Kumar , K.P.J., N.Mythili, N., An Efficient Technique for Detection ...
  • Malware Domain List , a no n-commercit community project contain ...
  • The DNS-BH project Contains a listing of domains that are ...
  • hpHosts , a community managed and maintained hosts file that ...
  • Menahem, E. _ Shabtai, A., Rokach, L, Elovici, Y., Improving ...
  • Maimon, Oded., Rokach, Lior., Data Mining and ...
  • Knowledge Discovery Handbook, 2" Edition, _ Publishing, 2010. ...
  • Breiman, L., Bagging Predictors, Machine Learning, V. 24, No.2, pp. ...
  • Freund, Y., Schapire, R., A Decision- Theoretic Generalization of On-line ...
  • to Boosting. Joumal of Computer and Systems Sciences, Vol.55, No.1, ...
  • Rodriguez, J., Kuncheva, L.I., Rotation Forest: A New Classifier Ensemble ...
  • Moskovitch, R., Elovici, Y., Rokach, L., Detection of Unknown Computer ...
  • Zhang, B., Yin, J., Hao, J., Zhang D., and Wang, ...
  • Mukkamalaa, S., Sunga A.H., Abrahamb, A., Intrusion Detection Using _ ...
  • Journal of Network and Computer Applications, Vol. 28, pp. 167-182, ...
  • Seifert, C., Welch, I., Komisarczuk, P., Identification of Malicious Web ...
  • Eshete B., Effective Analysis, Cha racterization, and Detection of Malicious ...
  • نمایش کامل مراجع