Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

تشخیص نفوذ در رایانش ابری با استفاده از الگوریتم ژنتیک بهبود یافته

تعداد صفحات: 13 | تعداد نمایش خلاصه: 163 | نظرات: 0
سال انتشار: 1399
کد COI Paper: ECMECONF04_016
زبان Paper: Persian
(فایل این Paper در 13 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این Paper

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

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک Paper) 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 Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل Paper

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان Paper تشخیص نفوذ در رایانش ابری با استفاده از الگوریتم ژنتیک بهبود یافته

اکرم عیسوندرحمانی - کارشناسی ارشد مهندسی نرم افزار، دانشگاه اراک
موسی کتولی - کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزادگرگان

چکیده Paper:

امروزه، مفهوم رایانش ابری برای تمام جوامع فناوری اطلاعات به یک رویا تبدیل شده است. زیرا نسبت به روشهای سنتی توزیع و به کارگیری نرم افزارها مزایای فراوانی دارد. اگرچه رایانش ابری مزایای زیادی دارد ولی امنیت چالشی بزرگ و لذار بسیار حائز اهمیت است. یکی از بزرگترین مشکلات و چالش ها در جهت بهبود امنیت در رایانش ابری، مربوط به شناسایی و تشخیص موثر و مناسب حملات است. باتوجه به تلاش های زیادی که در مطالعات قبلی مربوط به رفتار نوع خاصی ازحملات مخرب برخط انجام شده است، تاکنون به اندازه کافی با حضور حملات در رایانش ابری مقابله نشده است.در روش پیشنهادی به ارائه روشی برای شناسایی حملات تشخیص نفوذ بر روی مجموعه های آزمایشی بر روی مجموعه داده هایNSL-KDD با استفاده از الگوریتم ژنتیک بهبود یافته پرداخته است. بدین صورت که پس از پیش پردازش داده ها، به انتخاب ویژگی توسط الگوریتم ژنتیک بهبود یافته پرداخته میشود. سپس توسط الگوریتم KNN به دسته بندی حملات پرداخته میشود. نتایج روش پیشنهادی نشان میدهد که روش پیشنهادی نسبت به دیگر روشهای PSO، ژنتیک سنتی و کلونی مورچه دارای عملکرد قویتر است به گونه ای که نرخ صحت تشخیص برابر 98.79 است.

کلیدواژه ها:

رايانش ابري، تشخيص نفوذ، ژنتيك بهبود يافته

کد Paper/لینک ثابت به این Paper

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1016761/

کد COI Paper: ECMECONF04_016

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined، undefined و undefined، undefined،1399،تشخیص نفوذ در رایانش ابری با استفاده از الگوریتم ژنتیک بهبود یافته،چهارمین کنفرانس ملی پژوهش های کاربردی در علوم برق و کامپیوتر و مهندسی پزشکی،Shirvan،،،https://civilica.com/doc/1016761

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، عیسوندرحمانی، اکرم؛ موسی کتولی)
برای بار دوم به بعد: (1399، عیسوندرحمانی؛ کتولی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report Paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export Citation info of this Paper to research management softwares

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: state university
تعداد مقالات: 2,952
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.

New Suggested Papers

New RelatedPapers

Share this paper

WHAT IS COI?

COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

Support