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 حمله در سنسورهای IoT با استفاده از روشهای یادگیری ماشین

سال انتشار: 1398
کد COI مقاله: DMFCONF06_011
زبان مقاله: فارسیمشاهده این مقاله: 726
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 حمله در سنسورهای IoT با استفاده از روشهای یادگیری ماشین

هادی ویشکی نژاد - کارشناسی ارشد مهندسی نرم افزار ، دانشگاه آزاد واحد رشت، گیلان

چکیده مقاله:

حمله و تشخیص ناهنجاری در زیرساخت های اینترنت اشیا (IoT) نگرانی رو به رشدی در حوزه IoT است. با افزایش استفاده از زیرساخت IoT در هر مسیر ، تهدیدها و حملات در این زیرساخت ها نیز بطور متناسب در حال رشد هستند. استفاده از خدمات ، جستجوی نوع داده ها ، کنترل مشکوک ، عملکرد مخرب ، اسکن ، جاسوسی و تنظیمات اشتباه چنین حملات و ناهنجاری هایی هستند که می توانند باعث خرابی سیستم IoT شوند. در این مقاله ، عملکرد چندین مدل یادگیری ماشین برای پیش بینی حملات و ناهنجاری ها بر روی سیستم های IoT با دقت مقایسه شده است. الگوریتم های یادگیری ماشین (ML) که در اینجا مورد استفاده قرار گرفته عبارتند از: لجستیک (رگرسیون) ، ماشین بردار پشتیبانی (SVM) ، درخت تصمیم (DT) ، جنگل تصادفی (RF) و شبکه عصبی مصنوعی .(ANN) معیارهای ارزیابی مورد استفاده در مقایسه عملکرد ، دقت ، فراخوان ، نمره f1 و مساحت زیر منحنی مشخصه عملیاتی گیرنده است. این سیستم 99,4٪ دقت آزمایش را برای تصمیم گیری درخت ، جنگل تصادفی و ANN به دست آورد. اگرچه این تکنیک ها از دقت و صحت یکسانی برخوردار هستند ، اما معیارهای دیگر ثابت می کنند که الگوریتم جنگل تصادفی عملکردنسبتا بهتری دارد.

کلیدواژه ها:

اینترنت اشیاء ، یادگیری ماشین، امنیت سایبری، تشخیص حمله.

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا DMFCONF06_011 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/983032/

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:
ویشکی نژاد، هادی،1398،تشخیص حمله در سنسورهای IoT با استفاده از روشهای یادگیری ماشین،ششمین کنفرانس دستاوردهای نوین و به روز در علوم مهندسی و فناوری های جدید،رشت،،،https://civilica.com/doc/983032

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: (1398، ویشکی نژاد، هادی؛ )
برای بار دوم به بعد: (1398، ویشکی 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 | 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.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 5,687
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