ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارزیابی تشخیص حمله توزیع شده در اینترنت اشیاء با استفاده از یادگیری عمیق

سال انتشار: 1397
کد COI مقاله: ECIT01_061
زبان مقاله: فارسیمشاهد این مقاله: 899
فایل این مقاله در 10 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 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی تشخیص حمله توزیع شده در اینترنت اشیاء با استفاده از یادگیری عمیق

فرشته رضایی - مربی، گروه مهندسی کامپیوتر، دانشگاه پیام نور ،تهران،ایران
عباس کریمی - استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد ، اراک،ایران

چکیده مقاله:

امنیت سایبری همچنان یک مسیله جدی برای هر بخش در فضای مجازی است . بدیهی است که به علت اضافه شدن پروتکل های مختلف از اینترنت اشیاء (IoT)، هزاران حمله روز صفر به طور مداوم در حال ظهور هستند. اکثر این حملات، انواع کوچکی از حملات سایبری هستند که قبلا شناخته شده است. این نشان می دهد که حتی برای مکانیسم های پیشرفته مانند سیستم های یادگیری ماشین سنتی تشخیص این جهش های کوچک از حملات در طول زمان دشوار است. استفاده از Deep Learning به دلیل بهبود CPU وجنبه های الگوریتم شبکه عصبی و تشخیص حمله در فضای سایبری و ایجاد منافع چندگانه در عرصه های امنیت سایبری می تواند یک مکانیزم انعطاف پذیر برای جهش های کوچک یا حملات جدید باشد. این پژوهش با هدف به کار گیری یادگیری عمیق، در امنیت سایبری برای شناسایی حملات در اینترنت اشیاء انجام می شود. عملکرد مدل عمیق در مقایسه با روش یادگیری ماشین سنتی، و تشخیص حمله توزیع شده در برابر سیستم تشخیص متمرکز ارزیابی می شود. نتیجه آزمایش ها نشان می دهد که سیستم تشخیص حمله توزیع شده با استفاده از مدل یادگیری عمیق نسبت به سیستم های تشخیص متمرکز برتر است. همچنین مدل عمیق در تشخیص حمله موثرتر است.

کلیدواژه ها:

یادگیری عمیق، اینترنت اشیاء، شبکه های مه،آموزش،تست

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/827885/

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:
رضایی، فرشته و کریمی، عباس،1397،ارزیابی تشخیص حمله توزیع شده در اینترنت اشیاء با استفاده از یادگیری عمیق،کنفرانس ملی تحقیقات نوین در مهندسی برق،کامپیوتر و فناوری اطلاعات،مبارکه،،،https://civilica.com/doc/827885

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، رضایی، فرشته؛ عباس کریمی)
برای بار دوم به بعد: (1397، رضایی؛ کریمی)
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
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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

نظرات خوانندگان

5.00
1 تعداد پژوهشگران نظر دهنده
5 1
4 0
3 0
2 0
1 0

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: پیام نور
تعداد مقالات: 52,742
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