ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه روشی جدید بر پایه یادگیری خودآموز برای سیستم تشخیص نفوذ شبکه

تعداد صفحات: 9 | تعداد نمایش خلاصه: 189 | نظرات: 0
سال انتشار: 1397
کد COI مقاله: SETCO01_010
زبان مقاله: فارسی
(فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه روشی جدید بر پایه یادگیری خودآموز برای سیستم تشخیص نفوذ شبکه

سینا دامی - استادیار گروه کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
اکرم قاسم نژاد - دانشجوی کارشناسی ارشد IT ، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

چکیده مقاله:

یک سیستم تشخیص نفوذ شبکه (NIDS) به مدیران برای تشخیص نقض امنیتی شبکه در سازمان خود کمکمی کند. با این حال چالش های زیادی در تاثیرگذاری و موثر بودن NIDS برای حملات پیش بینی نشده و غیرقابلپیش بینی در حال رشد است. در این مقاله، یک رویکرد مبتنی بر یادگیری خودآموز (STL) برای پیاده سازی موثر و قابلانعطاف NIDS با استفاده از یادگیری عمیق بر پایه شبکه عصبی کانوولوشن پویا (DCNN) پیشنهاد شد. برای آزمایش وارزیابی روش پیشنهادی از مجموعه داده معیار NSL-KDD برای تشخیص نفوذ شبکه استفاده شد. همچنین، عملکردروش پیشنهادی را بر حسب دقت، بازخوانی و سنجش F با روشهای پایه مقایسه کردیم. نتایج تجربی نشان داد روشپیشنهادی از عملکرد مطلوب تری نسبت به روش پایه برخوردار است.

کلیدواژه ها:

امنيت شبكه، تشخيص نفوذ، يادگيري خودآموز، يادگيري عميق، شبكه عصبي كانوولوشن پويا (DCNN)

کد مقاله/لینک ثابت به این مقاله

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/783780/

کد COI مقاله: SETCO01_010

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:
دامی، سینا و قاسم نژاد، اکرم،1397،ارایه روشی جدید بر پایه یادگیری خودآموز برای سیستم تشخیص نفوذ شبکه،کنگره ملی سالانه ایده های نوین پژوهشی در علوم مهندسی و تکنولوژی، برق و کامپیوتر،ساری،،،https://civilica.com/doc/783780

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، دامی، سینا؛ اکرم قاسم نژاد)
برای بار دوم به بعد: (1397، دامی؛ قاسم نژاد)
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
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • هوش مصنوعی > شبکه عصبی
  • هوش مصنوعی > یادگیری عمیق
  • 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 آزاد
    تعداد مقالات: 2,334
    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