ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

تشخیص بدافزار به کمک یادگیری فعال نیمه نظارتی

سال انتشار: 1397
کد COI مقاله: ISCC15_008
زبان مقاله: فارسیمشاهده این مقاله: 408
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص بدافزار به کمک یادگیری فعال نیمه نظارتی

رضا رحیمیان - دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شاهرود، شاهرود
هدی مشایخی - استادیار، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شاهرود ، شاهرود
محسن رضوانی - استادیار، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شاهرود ، شاهرود

چکیده مقاله:

امروزه با توجه به ضرورت استفاده از اینترنت، رشد چشم گیر شبکه ها و زیرساخت های رایانه ای و همچنین طراحی بدافزارهای پیچیدهو پویایی که دایم در حال به روز رسانی خود هستند، حفظ امنیت و نظارت بر ترافیک شبکه ها یکی از مهمترین ملزومات فضای سایبریمی باشد. به طور کلی بدافزارها پس از ورود به سیستم می توانند اقداماتی نظیر سرقت اطلاعات، ایجاد هرزنامه و یا تولید شبکه ای ازبات ها را انجام دهند. بنابراین ایجاد روشی که بتواند به صورت کارا به شناسایی و جلوگیری از نفود آنها بپردازد، همواره مورد نیاز خواهدبود. در سال های اخیر بات نت ها به عنوان یکی از خطرناکترین بدافزارهای شناخته شده در بستر اینترنت مطرح میشوند که قابلیتتخریب رایانه های سالم و تبدیل آنها به بات هایی برای انتقال ویروس، اسپم و غیره را دارند. تشخیص بات نت ها با استفاده از روشهای یادگیری چالش های متعددی دارد که از میان آنها می توان به کمبود داده های برچسب گذاری شده اشاره نمود. به منظور تخفیفاین مشکل می توان از روش یادگیری فعال استفاده کرد که کمتر در زمینه تشخیص باتنت مورد توجه قرار گرفته است.در این مقاله یک رویکرد مبتنی بر یادگیری فعال نیمه نظارتی با استفاده از رده بندهای لجستیک و ماشین بردار پشتیبان خطی، به منظورتشخیص بات نت ارایه شده است. آموزش در این روش به صورت تعاملی انجام شده و سیستم در حین اجرا دایما رده بند پایه را باتوجه به نمونه های انتخابی خود که برچسب آنها درخواست می شود، به روز رسانی می نماید. برای انجام آزمایشات از مجموعه دادهای حاوی انواع مختلف بات نت استفاده کرده و پنج مجموعه ویژگی مختلف را استخراج می کنیم. نتایج بدست آمده، کارایی مدل را در تشخیص بات نت های دیده نشده و دقت 85 / 89 درصد را نشان می دهد.

کلیدواژه ها:

یادگیری فعال نیمه نظارتی ، بدافزار ، بات نت ، رده بندی ترافیک ، رایانش امن ، لجستیک ، ماشین بردار پشتیبان خطی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ISCC15_008 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/781766/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رحیمیان، رضا و مشایخی، هدی و رضوانی، محسن،1397،تشخیص بدافزار به کمک یادگیری فعال نیمه نظارتی،پانزدهمین کنفرانس بین المللی انجمن رمز ایران،تهران،https://civilica.com/doc/781766

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، رحیمیان، رضا؛ هدی مشایخی و محسن رضوانی)
برای بار دوم به بعد: (1397، رحیمیان؛ مشایخی و رضوانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 8,052
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی